지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김민수
- 발행연도
- 2020
- 저작권
- 부경대학교 논문은 저작권에 의해 보호받습니다.
이용수7
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
In large cities with heavy traffic and many roads to manage, it takes months to even years to detect road cracks and repair them. One of main reasons for this prolonged maintenance job can be attributed to manual and batch processing of road crack detection.
Manual and visual inspections are repeated from the initial crack detection task to the onsite re-diagnosis which cause significant delay in the maintenance process.
Currently, some local governments are attempting to automate and accelerate those manual road crack detection and maintenance systems using artificial intelligence technologies and edge computing devices.
In the field environment where the network connection is unstable, road crack diagnosis should be done without relying on the central server.
During this process, the difference between the road scanner image and onsite acquired image should be properly handled by the edge device.
In addition to this, the computational capacity required for training and operating artificial neural networks for crack detection needs to be properly distributed among the cloud server and edge devices.
In this paper, to handle those problems of road management system, a method for developing mobile Internet environment over edge device that detects road cracks and supports repair works is studied.
Manual and visual inspections are repeated from the initial crack detection task to the onsite re-diagnosis which cause significant delay in the maintenance process.
Currently, some local governments are attempting to automate and accelerate those manual road crack detection and maintenance systems using artificial intelligence technologies and edge computing devices.
In the field environment where the network connection is unstable, road crack diagnosis should be done without relying on the central server.
During this process, the difference between the road scanner image and onsite acquired image should be properly handled by the edge device.
In addition to this, the computational capacity required for training and operating artificial neural networks for crack detection needs to be properly distributed among the cloud server and edge devices.
In this paper, to handle those problems of road management system, a method for developing mobile Internet environment over edge device that detects road cracks and supports repair works is studied.
목차
Ⅰ. 서 론 11. 연구의 배경과 목적 12. 연구의 방법과 구성 7Ⅱ. 이론적 배경 및 선행연구 91. 클라우드 컴퓨팅 환경과 엣지 컴퓨팅 환경 92. 딥러닝과 객체탐지 123. 도로 균열 탐지 32Ⅲ. 파일럿 시스템의 균열 탐지 설계 401. 제안된 DNN(Deep Neural Network)의 구조 402. DNN의 학습 및 테스트 결과 41Ⅵ. 도로 균열 탐지를 위한 모바일 시스템 541. 파일럿 시스템 구조 542. 구축 환경 및 기능 구현 553. 테스트 운용 결과 및 활용 방안 57Ⅴ. 결론 601. 연구 요약 602. 연구의 한계점과 향후 연구 방향 61참고 문헌 631. 국내 문헌 632. 해외 문헌 63감사의 글 70
최근 본 자료
댓글(0)
0