인공지능을 이용한 공장지붕 고정용 볼트 이상 탐지 방안
Abnormality Detection Method of Factory Roof Fixation Bolt by Using AI
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 판넬형 공장 지붕의 드론 촬영 이미지를 분석해 볼트의 이상 탐지를 수행하는 시스템을 제안한다. 지붕의 점검은 현재 점검자가 직접 지붕 위로 올라가 점검을 진행한다. 하지만 고소 작업 환경으로 인한 안전사고가 지속해서 발생하고 있어 새로운 대안이 필요하다. 이에, 최근위험 환경의 점검 방안의 대안으로 대두되는 드론 촬영의 결과물을 딥러닝을 이용해 이상 볼트의위치를 찾아내는 방안을 통해 손쉽게 점검할 수 있도록 한다. 본 연구에서 제안하고 있는 시스템은 촬영된 드론 이미지를 볼트캡이 풀려있는 상황에 대한 샘플 이미지를 사용해 스캐닝을 진행한다. 더 나아가 스캔 된 위치에 대해 AI를 사용해 판별해 정확하게 볼트 이상 여부를 판별한다. 본연구에서 사용한 AI는 VGGNet 기반으로 정확도 99%의 테스트 결과를 보였다.
Abstract
In this paper, we propose a system that analyzes drone photographic images of panel-type factory roofs and conducts abnormal detection of bolts. Currently, inspectors directly climb onto the roof to carry out the inspection. However, safety accidents caused by working conditions at high places are continuously occurring, and new alternatives are needed. In response, the results of drone photography, which has recently emerged as an alternative to the dangerous environment inspection plan, will be easily inspected by finding the location of abnormal bolts using deep learning. The system proposed in this study proceeds with scanning the captured drone image using a sample image for the situation where the bolt cap is released. Furthermore, the scanned position is discriminated by using AI, and the presence/absence of the bolt abnormality is accurately discriminated. The AI used in this study showed 99% accuracy in test results based on VGGNet.
참고문헌 (14)
- Safety of Roof Work for Field Workers, "Lee, Youg-Soon", Health and Safety Corporation Education Media Office, 5~13 (2016)
- A Study on the Actual Condition of Falling Disaster and Safety Model in Roof Work, "Choe, Don-Hong", Korea Industrial Health Association, 72~73, pp.Serial No. 291 (2012)
- 이재성, "도시개발사업의 사업방식별 리스크 요인의 상대적 중요도에 관한 연구 － 평택시 도시개발사업을 대상으로 －", 주거환경, 18(2), pp.147~166 (2020), 한국주거환경학회
- 김혜진, "UAV 영상을 이용한 객체기반 건물 추출에 관한 연구", 대한공간정보학회지, 27(4), pp.21~28 (2019), 대한공간정보학회[DOI]
- 김종우, "드론과 이미지 분석기법을 활용한 구조물 외관점검 기술 연구", 한국건축시공학회지, 17(6), pp.545~557 (2017), 한국건축시공학회[DOI]
- 신정일, "드론영상을 이용한 소규모 가스 배출시설 탐지 가능성 분석", 지적과 국토정보, 47(1), pp.213~223 (2017), 한국국토정보공사[DOI]
- 백승현, "교량 안전점검을 위한 딥러닝 균열 검출분석 SW 탑재 드론 구현", 한국정보기술학회논문지, 19(3), pp.45~52 (2021), 한국정보기술학회[DOI]
- Seung Heon Han, "Damaged solar panel detection drone system using deep learning and thermal imaging camera", Proceedings of Symposium of the Korean Institute of communications and Information Sciences, pp.899~900 (2020)
- Martin Ester, "A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise", Proceeding of the Second International Conference on Knowledge Discovery and Data Mining, pp.226~231 (1996)
- "Sklearn.cluster.DBSCAN"[URL]
- Karen Simonyan, "Very Deep Convolutional Networks for Large-Scale Image Recognition", IEEE International Conference on Computer Vision (ICCV) (2015)
- Choi, Won-Ho, "Design and Implementation of PCB Defect Detection System using Deep Learning", 석사, Electrical Engineering and Computer Science, pp.2022
- Je-Hwan Ryu, "CNN-based Classification Methods for Filtering of Defect Pixel Circuit Images", Korean Institute of Information Scientists and Engineers, pp.907~909 (2017)
- Youngjun Yoo, "Underground Cavity Detection using Deep Neural Network(DNN) Trained on Simulated Data", Proceedings of Symposium of the Korean Institute of communications and Information Sciences, pp.593~594 (2020)