[인공지능/머신러닝] 딥러닝 기반의 건축물 정밀점검 및 손상인식 방법

국내 건설기술의 고도화와 4차 산업기술의 발달은 점차 건축물의 고층화·대형화·복합화를 양산하고 있습니다.

 

 

서울 롯데월드타워 (높이 554.5m)

 

 

해운대 엘시티 더샵 (높이 412.1m)

 

 

이에 비해, 건축물에 대한 진단 및 유지관리는 1995년 ‶시설물의 안전관리에 관한 특별법‶ 제정 이후 현재까지 기술수준이 심화되지 못한 실정입니다.

 

1995년이 언제야...?

 

 

 

현재 건축물 정밀 점검은 주로 조사자의 육안 관찰, 수기방식 및 부분 사진촬영 등의 방식에 의존하고 있습니다.

 

망원경이나 로프를 이용한 건축물 상태조사 사례

 

 

눈금자를 이용한 구조체의 균열폭 측정 사례

 

 

사다리를 이용한 건물 천장 내부 균열조사 사례

 

 

따라서 객관적이고 정량적인 평가가 어려우며 건축물의 상시관찰이 불가능하고,

그 결과가 보고서 형태로 관리되어 정보 활용도가 저조하다는 문제가 발생하고 있습니다.

 

 

 

  

이에 건축물 정밀점검에 빠르게 진화하고 있는 4차 산업기술인 인공지능(Artificial Intelligence, AI),

특히 딥러닝(Deep Learning) 기술을 도입하여 오랜 시간 인력 중심으로 진행해 왔던 현재의 방식을 획기적이고 신뢰성이 우수한 체계로 구축할 필요가 있죠.

   

 

사진=딥러닝이란 무엇인가요? BASLER

 

 

 

따라서 건축물의 정밀정검 시 인공지능 기술을 기반으로 건축물의 손상을 객관적이고 신속하며 정량적으로 평가하는 기술을 개발할 필요성이 있습니다.

 

 

사진=건축물 영상 빅데이터 구축 및 딥러닝을 이용한 손상 탐지 및 분류(권선, 2021) 재편집

 

 

 

 

이를 통하여 건축물에 대한 실시간 모니터링이 가능하며 각종 안전사고와 재난을 예방할 수 있을 뿐만 아니라 효율적인 안전관리 체계를 구축할 수 있습니다.

 

 

 

 

딥러닝 기술을 활용한 SOC 구조물 성능평가 기술 개발(건설기술연구원, 2018)에 따르면,

시설물의 영상 빅데이터 확보 방안 및 실제 시설물의 유지관리 실정과 규정 절차의 이해는 저조한 실정이며, 손상평가에 기초한 상태평가까지 발전될 가능성이 희박합니다.

 

 

 

사진= 터널스캐너, 딥인스펙션

 

 

 

특히나 터널 등의 대형 구조물을 대상으로 한 연구들에 비해,

건축물을 대상으로 인공지능 기반의 정밀 점검 및 진단 기술을 실용화 단계까지 진행한 연구가 부족한 실정입니다.

 

 

 

 

 따라서 실제 현장에서 딥러닝 기반의 건축물 정밀점검을 가능케 하기 위해서는, 

 

그림=자동 영상데이터 구축 방식 예시(권선, 2021)

 

 

건축물 손상 영상 취득을 위한 기계적인 스펙개발 뿐만 아니라 양질의 데이터 취득에 대한 기술적 발전과 건축물 유지관리 현황과 방식에 대한 이해가 필요합니다.

 

 

사진= 구축중인 건축물 손상 고화질 영상 데이터 일부(권선, 2021)

  

 

 

기구축한 고화질 건축물 손상 영상 데이터 일부에 대해서 CSSC 오픈 데이터셋으로 사전학습된 FVGG네트워크로 테스트 해본 결과,

 

사진=기구축된 영상 데이터 딥러닝 테스트 결과(권선,2021)

 

 

 

영상 빅데이터 구축 및 딥러닝 추가학습을 통해 더욱 손상 인식 정확도를 향상시켜 보다 실용화에 가까운 연구가 가능할 것으로 보입니다.

 

  

 

 

 

 

 

 

출처: 권선 외. 딥러닝 기반의 건축물 정밀점검 및 손상인식 방법. 대한건축학회 학술발표대회 논문집, 2021, 41.1: 438-439.