3D GPR 탐사 데이터와 심층 합성곱 신경망을 이용한 지하 관로 자동 탐색 시스템
Automatic Detection System of Underground Pipe Using 3D GPR Exploration Data and Deep Convolutional Neural Networks
1
조회
0
다운로드
5
인용
0
참고문헌
키워드
초록
본 논문에서는 관로를 자동으로 검출하는 지하 관로 자동 탐색 시스템을 제안한다. 시간에 따른지반변화, 관로 시공 불일치 등 여러 가지 요인으로 실제 관로의 위치가 지하 관로 도면과 일치하지않는다. 이로 인하여 굴착공사나 관로 노후화에 의한 여러 사고가 발생한다. 사고를 방지하기 위해GPR(지표 투과 레이더, Ground Penetrating Radar) 탐사를 통해 지하시설물을 찾아내는 작업이 이루어지고 있지만, 분석을 담당할 수 있는 전문가의 수가 부족하다. GPR 데이터는 매우 방대하며 분석과정에도오랜 시간이 걸리기 때문이다. 이에 본 논문에서는 3D GPR 데이터를 자동으로 분석하기 위해 딥 러닝기술인 3D 이미지 분할을 사용하고, 이에 적합한 데이터 생성 알고리즘을 제안한다. 또한 GPR 데이터특성에 맞는 데이터 증강 기법, 데이터 전처리 모듈을 제안한다. 실험 결과를 통해 제안한 시스템은F1 Score 40.4%의 성능을 보였으며 이를 통해 이미지 분할을 이용한 관로 분석의 가능성을 확인하였다.
Abstract
In this paper, we propose Automatic detection system of underground pipe which automatically detects underground pipe to help experts. Actual location of underground pipe does not match with blueprint due to various factors such as ground changes over time, construction discrepancies, etc. So, various accidents occur during excavation or just by ageing. Locating underground utilities is done through GPR exploration to prevent these accidents but there are shortage of experts, because GPR data is enormous and takes long time to analyze. In this paper, To analyze 3D GPR data automatically, we use 3D image segmentation, one of deep learning technique, and propose proper data generation algorithm. We also propose data augmentation technique and pre-processing module that are adequate to GPR data. In experiment results, we found the possibility for pipe analysis using image segmentation through our system recorded the performance of F1 score 40.4%.
참고문헌 (17)
- 이대영, "CCTV 및 GPR을 이용한 하수관로 결함 및 지반함몰 위험성 평가", 한국지반신소재학회 논문집, 17(3), pp.47~55 (2018), 한국지반신소재학회[DOI]
- Daniels, David J., "Ground penetrating radar" (2005), John Wiley & Sons, Inc
- 이재원, "다중 객체검출 기반의 온라인 비디오 요약 알고리즘", 한국컴퓨터정보학회논문지, 24(8), pp.19~28 (2019), 한국컴퓨터정보학회[DOI]
- 이동렬, "앵커 프리 방법을 이용한 다중 크기 얼굴 검출기", 한국컴퓨터정보학회논문지, 25(7), pp.47~55 (2020), 한국컴퓨터정보학회[DOI]
- 채지훈, "GPR 영상에서 딥러닝 기반 CNN을 이용한 배관 위치 추정 연구", 인터넷정보학회논문지, 20(4), pp.39~46 (2019), 한국인터넷정보학회[DOI]
- 고형용, "Faster R-CNN을 활용한 GPR 영상에서의 지하배관 위치추적 성능분석", 융합정보논문지, 9(5), pp.21~26 (2019), 중소기업융합학회[DOI]
- 김연태, "도로동공 탐지를 위한 지표투과레이더의 적정 주파수 선정에 관한 연구", 한국도로학회논문집, 18(2), pp.37~42 (2016), 한국도로학회
- Luca Bianchini Ciampoli, "Signal Processing of GPR Data for Road Surveys", Geosciences, 9(2), pp.96~ (2019), MDPI AG[DOI]
- Byeongjin Park, "Underground Object Classification for Urban Roads Using Instantaneous Phase Analysis of Ground-Penetrating Radar (GPR) Data", Remote Sensing, 10(9), pp.1417~ (2018), MDPI AG[DOI]
- Namgyu Kim, "Deep learning-based underground object detection for urban road pavement", International Journal of Pavement Engineering, 21(13), pp.1638~1650 (2020), Informa UK Limited[DOI]
- Kien Dinh, "An algorithm for automatic localization and detection of rebars from GPR data of concrete bridge decks", Automation in Construction, 89, pp.292~298 (2018), Elsevier BV[DOI]
- Long, Jonathan, "Fully convolutional networks for semantic segmentation", Proceedings of the IEEE conference on computer vision and pattern recognition, pp.3431~3440 (2015)
- Çiçek, Özgün, "3D U-Net: learning dense volumetric segmentation from sparse annotation", International conference on medical image computing and computer-assisted intervention, pp.424~432 (2016)
- Huang, Yi-Jie, "3-D RoI-Aware U-Net for Accurate and Efficient Colorectal Tumor Segmentation", IEEE Transactions on Cybernetics (2020)[DOI]
- Connor Shorten, "A survey on Image Data Augmentation for Deep Learning", Journal of Big Data, 6(1) (2019), Springer Science and Business Media LLC[DOI]
- 현승엽, "비균일 지하에 묻혀있는 유전체 충진 비금속관에 의한 지표투과레이다 응답의 특성 변화", 한국전자파학회 논문지, 30(5), pp.399~406 (2019), 한국전자파학회[DOI]
- Lee R. Dice, "Measures of the Amount of Ecologic Association Between Species", Ecology, 26(3), pp.297~302 (1945), Wiley[DOI]