딥러닝 기반 영상 분석을 통한 건설 현장 지형 변화 검출 기법 개발
Development of the Terrain Change Detection in Construction Sites Using a Deep Learning-Based Instance Segmentation Method
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 연구는 토공 공정이 지속적으로 수행되는 대규모 건설현장에서 영상 분석을 통해 지형 변화를 감지하 는 기법을 제안한다. 현장 CCTV에서 수집한 영상을 가공하여 지형 객체 학습 데이터셋을 구축하였고, 지형 변화의 시계열성을 평가하기 위해 시점 기준으로 데이터를 분할하였다. 분할 데이터셋의 초기 2개 월은 학습 데이터와 검증 데이터로 구성하였고 이후 2개월은 테스트 데이터로 분류하였다. 딥러닝 기반 인스턴스 분할 모델 기반 지형 변화 검출 실험을 수행한 결과, mAP@0.5 90.6% 수준의 정확도로 지형 객체를 안정적으로 검출하였으며, 과거 시점 영상 기반으로 미래 시점의 변화된 지형까지 감지하는 연구 결과를 확인하였다. 본 연구 결과는 영상만으로 토공 현장의 지형 변화를 인식하고 모니터링하는 가능성 을 입증하였으며, 향후 장기간 시계열 예측 및 위험도 연계 알림으로 확장하여 토공 현장 안전 모니터링 솔루션의 핵심 요소기술로 활용 될 기반을 마련하였다.
Abstract
Footage captured by on-site CCTV was labeled to construct a terrain-object training dataset, and the data were partitioned by time to evaluate the time-series nature of terrain changes. Specifically, the first two months were used for training and validation, and the subsequent two months were reserved for testing. Using a deep learning–based instance segmentation model, the experiments achieved stable detection of terrain objects with an mAP@0.5 of 90.6%, and further confirmed the feasibility of detecting future terrain changes from past image frames. These results demonstrate the potential of image-only approaches to recognize and monitor terrain changes at earthwork sites and lay the groundwork for extensions to long-term time-series forecasting and risk-aware alerting, positioning the method as a core enabling technology for safety monitoring in earthwork operations.