UAV 입면 정사영상을 활용한 교량의 균열 분석 및 외관조사망도 작성
UAV Facade Orthomosaic-Based Crack Analysis and Generation of an Exterior Damage Map for Bridges
2
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
드론을 활용한 교량 점검은 데이터 취득의 효율성을 높였으나, 영상 분석은 주로 균열의 위치를 파악하는 단순 탐지에 머무르는 경우가 많았다. 특히, 탐지된 균열의 폭과 길이를 정량적으로 분석하고 그 신뢰도를 현장 실측 데이터와 비교 검증하는 연구는 부족하다. 본 연구에서는 이러한 한계를 극복하고자, 드론 입면 정사영상을 기반으로 0.1 mm 수준의 미세 균열을 자동으로 탐지 및 정량화하고, 그 결과를 바탕으로 외관조사망도를 작성하는 통합 워크플로우를 제안하고 검증하였다. 이를 위해 초해상화 모델로 영상 품질을 향상시킨 후, 의미론적 분할모델을 적용하여 균열을 탐지했으며, 탐지된 균열은 벡터화 후처리 과정을 통해 길이와 폭 정보를 산출하였다. 산출된 결과의 신뢰성은 현장전문가가 직접 측정한 실측값과 비교하여 검증되었다. 그 결과, 균열 탐지 정밀도는 90%에 달했으며, AI가 측정한 균열 길이는 전문가 계측값과 평균 91%의 높은 유사도를 보였다. 균열 폭 측정 오차는 평균 0.0175 mm로 매우 낮게 분석되었다. 본 연구는 드론 이미지로부터 신뢰도 높은 정량 데이터를 자동으로 추출하여 최종 외관조사망도 작성에 활용하는 기술의 실용성을 입증함으로써, 교량 안전 점검의 효율성과 객관성을 향상시키는 데 기여할 수 있음을 보였다.
Abstract
While Uncrewed Aerial Vehicle inspections enhance data acquisition, subsequent analysis is often limited to simple crack detection, lacking quantitative analysis and validation against on-site measurements. To address this gap, this study proposes and validates an integrated workflow that automatically detects and quantifies micro-cracks as fine as 0.1 mm from facade orthomosaics to create an exterior damage map. The methodology enhances image quality via a super-resolution model, detects cracks using semantic segmentation, and calculates their length and width through vectorization post-processing. The reliability of these quantitative results was validated against on-site measurements performed by an expert. The results demonstrated a high crack detection precision of 90%. The AI-estimated crack lengths showed an average similarity of 91% to expert measurements, and the crack width estimation yielded a low mean error of 0.0175 mm. This study proves the practicality of using automated quantitative analysis from drone imagery to create reliable exterior damage maps, thereby enhancing the efficiency and objectivity of bridge safety inspections.