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
- 권순욱
- 발행연도
- 2021
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수14
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
최근 국내 건설 산업의 낮은 노동 생산성과 건설 노동력 부족 문제를 해결하기 위해 공장생산 중심 공법과 기술 적용을 통한 생산성 혁신 방안이 대두되고 있으며, 꾸준히 발전하고 있다. 특히 최근 PC를 중심으로 OSC 사업 물량이 대폭 증가하였다.
OSC 공사 진행에 있어 문제점은 공장 생산 단계에서의 프리캐스트 콘크리트(PC) 부재에 대한 품질 검사는 체계적으로 이루어지고 있으나, 공장에서 운반되어 건설 현장으로 반입된 부재에 대한 품질 검사는 정확하고 체계적으로 수행되고 있지 않다는 것이다. 현장 품질 검측 인력의 부족으로 인해 현장에 반입된 PC 부재의 검측에 많은 시간과 비용이 소모되고, 검사의 효율성과 정확성 또한 떨어진다.
본 연구에서는 현장 반입 PC 부재에 대한 검측의 정확도 및 효율성 향상을 위해 기존 검측 방식에 대한 조사 및 분석을 통해 자동화 가능한 항목을 도출하였다. 균열, 파손, 변형, 마모, 이색, 기포 등 PC 부재 표면에서 발생할 수 있는 결함들 중 자동화 범위를 정량적 판정기준이 명확한 균열 폭 탐지로 한정하여 연구를 진행하였다. PC 부재 균열 폭 검출 자동화를 위해 Deep learning 모델 학습에 활용될 Dataset을 수집하고 Labeling을 수행하였으며, 적절한 Deep learning 모델을 선정하여 이미지 학습을 진행하였다. 학습시킨 Deep learning 모델을 활용하여 균열 유무와 정량적인 폭의 크기를 탐지하고, 일정한 기준에 따라 균열의 등급을 분류하였고, 조건문을 활용하여 등급에 따른 사후 처리 방안을 제안할 수 있게 하였다. 최종적으로 Deep learning을 활용하여 영상 기반의 균열 폭 탐지 자동화 및 분류 가능한 현장 반입 PC 부재 대상 스마트 품질 검측 시스템과 적용 알고리즘 및 프로세스를 제안하였다.
본 연구를 통해 OSC 공사 현장 반입 PC 부재 검측 업무를 자동화하고, 검측 결과를 문서화 · 디지털화 하여 업무 책임소재를 명확히 함으로써 효율적인 성과관리를 기대할 수 있다. 뿐만 아니라, 기존 육안 검측 및 Sampling 방식과 병행하여 인적 오류 발생을 최소화하고, 현장 반입 PC 부재의 검측 정확도, 업무 효율성 및 신뢰도 향상을 기대할 수 있다.
OSC 공사 진행에 있어 문제점은 공장 생산 단계에서의 프리캐스트 콘크리트(PC) 부재에 대한 품질 검사는 체계적으로 이루어지고 있으나, 공장에서 운반되어 건설 현장으로 반입된 부재에 대한 품질 검사는 정확하고 체계적으로 수행되고 있지 않다는 것이다. 현장 품질 검측 인력의 부족으로 인해 현장에 반입된 PC 부재의 검측에 많은 시간과 비용이 소모되고, 검사의 효율성과 정확성 또한 떨어진다.
본 연구에서는 현장 반입 PC 부재에 대한 검측의 정확도 및 효율성 향상을 위해 기존 검측 방식에 대한 조사 및 분석을 통해 자동화 가능한 항목을 도출하였다. 균열, 파손, 변형, 마모, 이색, 기포 등 PC 부재 표면에서 발생할 수 있는 결함들 중 자동화 범위를 정량적 판정기준이 명확한 균열 폭 탐지로 한정하여 연구를 진행하였다. PC 부재 균열 폭 검출 자동화를 위해 Deep learning 모델 학습에 활용될 Dataset을 수집하고 Labeling을 수행하였으며, 적절한 Deep learning 모델을 선정하여 이미지 학습을 진행하였다. 학습시킨 Deep learning 모델을 활용하여 균열 유무와 정량적인 폭의 크기를 탐지하고, 일정한 기준에 따라 균열의 등급을 분류하였고, 조건문을 활용하여 등급에 따른 사후 처리 방안을 제안할 수 있게 하였다. 최종적으로 Deep learning을 활용하여 영상 기반의 균열 폭 탐지 자동화 및 분류 가능한 현장 반입 PC 부재 대상 스마트 품질 검측 시스템과 적용 알고리즘 및 프로세스를 제안하였다.
본 연구를 통해 OSC 공사 현장 반입 PC 부재 검측 업무를 자동화하고, 검측 결과를 문서화 · 디지털화 하여 업무 책임소재를 명확히 함으로써 효율적인 성과관리를 기대할 수 있다. 뿐만 아니라, 기존 육안 검측 및 Sampling 방식과 병행하여 인적 오류 발생을 최소화하고, 현장 반입 PC 부재의 검측 정확도, 업무 효율성 및 신뢰도 향상을 기대할 수 있다.
목차
제 1 장 서론 11. 연구의 배경 및 목적 12. 연구의 범위 및 방법 3제 2 장 이론적 고찰 61. Deep learning 기반 객체 품질 결함 검출 자동화에 관한 선행 연구 고찰 62. 소결 7제 3 장 PC 부재 스마트 품질 검측 시스템 알고리즘 설계 101. PC 부재 현장 품질 관리 기준 조사 및 분석 102. Deep Learning 기반 스마트 PC 부재 현장 품질 검측 시스템 알고리즘 설계 15제 4 장 스마트 PC 부재 현장 품질 검측 시스템 현장 적용 시나리오 261. 시나리오 개요 262. 시나리오 구성도 28제 5 장 결론 및 향후 연구 방향 30
최근 본 자료
댓글(0)
0