현장 다리에서 컴퓨터 비전 기반 자동 균열 탐지 가능성 향상을 위한 딥 슈퍼 해상도 균열 네트워크(SrcNet)

본 논문은 컴퓨터 비전 기반의 자동 균열 탐지 가능성 향상을 위한 새로운 엔드 투 엔드 딥 슈퍼해상도 균열 네트워크(SrcNet)를 제안한다. 대규모 사회기반시설에서 무인 로봇을 이용한 균열 탐지를 위해 획득한 디지털 이미지는 종종 운동 왜곡과 픽셀 해상도 부족 문제를 겪으며, 이는 균열 탐지 능력을 저하시킬 수 있다. 제안된 SrcNet은 딥러닝 기반으로 원시 디지털 이미지의 픽셀 해상도를 증강함으로써 균열 탐지 능력을 크게 향상시킬 수 있다. SrcNet은 기본적으로 두 단계로 구성된다: 제1단계—딥러닝 기반 슈퍼해상도(SR) 이미지 생성, 제2단계—딥러닝 기반 자동 균열 탐지. 타겟 교량 표면으로부터 원시 디지털 이미지가 획득된 후, SrcNet의 제1단계는 해당 원시 이미지에 대응하는 SR 이미지를 생성한다. 이후 제2단계에서는 생성된 SR 이미지에서 자동으로 균열을 탐지하게 되어, 균열 탐지 능력을 극적으로 향상시키는 것이 가능하다. SrcNet은 한국의 현장 concrete 교량에서 크라잉 로봇과 무인 항공기(UAV)를 이용해 획득한 디지털 이미지를 활용하여 실험적으로 검증되었다. 검증 결과, 원시 디지털 이미지 기반 균열 탐지 결과와 비교했을 때, 제안된 SrcNet은 균열 탐지 능력에서 24% 향상된 성능을 보였다.