맞춤기술찾기

홈으로 가기
맞춤기술찾기
이전대상기술
프린트하기

이전대상기술

인공지능 학습 모델을 이용한 덕트 공동 탐지 모델 학습 장치 및 덕트 공동 탐지 시스템

  • 기술번호 : KST2021004251
  • 담당센터 : 인천기술혁신센터
  • 전화번호 : 032-420-3580
상담신청 PDF 받기
요약, Int. CL, CPC, 출원번호/일자, 출원인, 등록번호/일자, 공개번호/일자, 공고번호/일자, 국제출원번호/일자, 국제공개번호/일자, 우선권정보, 법적상태, 심사진행상태, 심판사항, 구분, 원출원번호/일자, 관련 출원번호, 기술이전 희망, 심사청구여부/일자, 심사청구항수의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 서지정보 표입니다.
요약 인공지능 학습 모델을 이용한 덕트 공동 탐지 시스템이 제공된다. 덕트 공동 탐지 시스템은 덕트 공동 탐지 모델 학습 장치 및 공동 발생 결정 장치를 포함한다. 공동 탐지 모델 학습 장치는 표준화된 탐지 데이터 및 구조물 정보를 입력으로 학습을 수행하는 제1 학습 모델; 주파수 신호를 입력으로 학습을 수행하는 제2 학습 모델; 및 상기 제1 학습 모델의 결과 값과 상기 제2 학습 모델의 결과 값을 학습하여 출력층으로 제공하는 제3 학습 모델을 포함하는 공동 발생 결정 모델을 학습하고, 공동 발생 결정 장치는 상기 공동 발생 결정 모델을 이용하여 덕트를 포함하는 구조물에 대한 탐지 데이터 및 구조물 정보를 기초로 구조물에 대한 공동 발생 여부를 결정한다. 탐지 데이터 및 구조물 정보만으로 구조물의 공동 발생 여부를 현장의 실무자가 빠르고 정확하게 판별할 수 있어 내부 탐사에 소요되는 시간과 비용의 절감할 수 있다.
Int. CL G01N 29/04 (2006.01.01) G01N 33/38 (2020.01.01) G06N 20/00 (2019.01.01)
CPC G01N 29/045(2013.01) G01N 33/383(2013.01) G06N 20/00(2013.01)
출원번호/일자 1020190159387 (2019.12.03)
출원인 한국건설기술연구원, 주식회사 에이아이브릿지
등록번호/일자 10-2241879-0000 (2021.04.13)
공개번호/일자
공고번호/일자 (20210420) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2019.12.03)
심사청구항수 3

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 한국건설기술연구원 대한민국 경기도 고양시 일산서구
2 주식회사 에이아이브릿지 대한민국 서울특별시 광진구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 진원종 서울특별시 서초구
2 김영진 경기도 고양시 일산서구
3 조창백 경기도 파주시 책향
4 조창빈 경기도 고양시 일산서구
5 박광연 서울특별시 강서구
6 최형 서울특별시 광진구
7 이윤복 경기도 용인시 수지구
8 김유섭 강원도 춘천시 춘천

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 이준서 대한민국 서울특별시 종로구 종로*길 ** **층 케이씨엘특허법률사무소 (수송동, 석탄회관빌딩)(법무법인케이씨엘)
2 김영철 대한민국 서울특별시 종로구 종로*길 **, **층 케이씨엘특허법률사무소 (수송동, 석탄회관빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 한국건설기술연구원 경기도 고양시 일산서구
2 주식회사 에이아이브릿지 서울특별시 광진구
번호, 서류명, 접수/발송일자, 처리상태, 접수/발송일자의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 행정처리 표입니다.
번호 서류명 접수/발송일자 처리상태 접수/발송번호
1 [특허출원]특허출원서
[Patent Application] Patent Application		 2019.12.03 수리 (Accepted) 1-1-2019-1250685-89
2 선행기술조사의뢰서
Request for Prior Art Search		 2020.09.10 수리 (Accepted) 9-1-9999-9999999-89
3 출원인정보변경(경정)신고서
Notification of change of applicant's information		 2020.12.09 수리 (Accepted) 4-1-2020-5281084-41
4 선행기술조사보고서
Report of Prior Art Search		 2020.12.11 발송처리완료 (Completion of Transmission) 9-6-2020-0198263-20
5 의견제출통지서
Notification of reason for refusal		 2020.12.18 발송처리완료 (Completion of Transmission) 9-5-2020-0887844-41
6 [지정기간연장]기간 연장신청서·기간 단축신청서·기간 경과 구제신청서·절차 계속신청서
 2021.02.17 수리 (Accepted) 1-1-2021-0189485-68
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
 2021.03.05 수리 (Accepted) 1-1-2021-0260812-06
8 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment		 2021.03.09 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2021-0274707-82
9 등록결정서
Decision to grant		 2021.04.02 발송처리완료 (Completion of Transmission) 9-5-2021-0269077-44
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
덕트를 포함하는 구조물을 탐지한 탐지 데이터 및 상기 구조물의 정보를 수신하는 신호 수신부;상기 탐지 데이터를 표준화하는 신호 표준화 유닛, 및 상기 탐지 데이터에서 주파수 성분을 추출하여 주파수 신호를 생성하는 주파수 추출 유닛을 포함하는 신호 처리부; 및상기 표준화된 탐지 데이터, 상기 주파수 신호 및 상기 구조물 정보에 기초하여 상기 덕트의 공동 발생 여부를 결정하는 공동 발생 결정 모델을 구축하는 덕트 공동 탐지 모델 학습부를 포함하며; 상기 공동 발생 결정 모델은, 상기 표준화된 탐지 데이터 및 상기 구조물 정보를 입력으로 학습을 수행하는 제1 학습 모델; 상기 주파수 신호를 입력으로 학습을 수행하는 제2 학습 모델; 및 상기 제1 학습 모델의 결과 값과 상기 제2 학습 모델의 결과 값을 학습하여 출력층으로 제공하는 제3 학습 모델을 포함하고; 상기 제1 학습 모델 및 제2 학습 모델은 롱숏-텀 메모리(Long Short-Term Memory)(LSTM) 기반의 학습 모델로서, 제1 학습 모델은 사슬 형태의 반복되는 신경망 모듈을 구성하는 복수의 LSTM 블록을 포함하며, 제2 학습 모델은 제1 학습 모델과 병합되지 않은 채 사슬 형태의 반복되는 신경망 모듈을 구성하는 복수의 LSTM 블록을 포함하도록 구성되어, 제1 학습 모델과 제2 학습 모델은 각각의 결과를 독립적으로 생성하며; 상기 제3 학습 모델은, 상기 제1 학습 모델 및 상기 제2 학습 모델의 결과 값을 각각 입력 받는 2개의 활성 함수를 포함하는데, 상기 2개의 활성 함수는 렉티파이드 리니어 유닛(Rectified Linear Unit)으로 이루어지며; 출력층은, 상기 제3 학습 모델의 렉티파이드 리니어 유닛(Rectified Linear Unit)으로 이루어진 활성화 함수 각각에서 제공되는 결과를 기초로 공동 발생여부를 결정하는데, 상기 출력층은 소프트맥스 펑션(Softmax function) 활성 함수를 포함하고; 상기 신호 표준화 유닛은 수학식 1을 이용하여 상기 탐지 데이터를 표준화하며; 상기 탐지 데이터는 임팩트 에코(Impact-Echo) 신호로서 0~5000μs의 시간대의 신호이며; 상기 구조물 정보는, 상기 구조물에서 덕트의 콘크리트 피복 두께, 덕트의 깊이 및 덕트와 타격점과의 수평 거리 중에서 선택되는 하나 이상의 것을 포함하는 것을 특징으로 하는 덕트 공동 탐지 모델 학습 장치
2 2
삭제
3 3
삭제
4 4
삭제
5 5
삭제
6 6
제1항에 있어서, 상기 주파수 추출 유닛은 고속 푸리에 변환(FFT)을 통해 상기 탐지 데이터의 주파수 성분을 추출하여 상기 주파수 신호를 생성하는 것을 특징으로 하는 덕트 공동 탐지 모델 학습 장치
7 7
삭제
8 8
삭제
9 9
삭제
10 10
덕트를 포함하는 구조물을 탐지한 탐지 데이터 및 상기 구조물의 정보를 수신하는 신호 수신부; 상기 탐지 데이터를 표준화하는 신호 표준화 유닛 및 상기 탐지 데이터에서 주파수 성분을 추출하여 주파수 신호를 생성하는 주파수 추출 유닛을 포함하는 신호 처리부; 및 상기 표준화된 탐지 데이터, 상기 주파수 신호 및 상기 구조물 정보에 기초하여 상기 덕트의 공동 발생 여부를 결정하는 공동 발생 결정 모델을 구축하는 덕트 공동 탐지 모델 학습부를 포함하되, 상기 공동 발생 결정 모델은, 상기 표준화된 탐지 데이터 및 상기 구조물 정보를 입력으로 학습을 수행하는 제1 학습 모델; 상기 주파수 신호를 입력으로 학습을 수행하는 제2 학습 모델; 및 상기 제1 학습 모델의 결과 값과 상기 제2 학습 모델의 결과 값을 학습하여 출력층으로 제공하는 제3 학습 모델을 포함하는 덕트 공동 탐지 모델 학습 장치; 및상기 덕트 공동 탐지 모델 학습 장치에서 생성된 덕트 발생 결정 모델을 포함하는 공통 탐지 모델을 포함하는 공동 발생 여부 결정부; 구조물에 설치된 덕트의 공동 발생 여부를 판별하기 위한 탐지 데이터 및 구조물의 정보가 입력되는 신호 수신부; 및 상기 공동 발생 여부를 판별하기 위한 탐지 데이터에 대한 표준화 및 주파수 성분 추출을 각각 수행하는 신호 처리부를 포함하되, 상기 공동 발생 여부 결정부는 상기 표준화된 탐지 데이터, 상기 주파수 신호 및 상기 구조물 정보를 상기 덕트 발생 결정 모델에 입력하여 상기 덕트의 공동 발생 여부를 결정하는 공동 발생 결정 장치를 포함하며; 덕트 공동 탐지 모델 학습 장치에 포함된 상기 제1 학습 모델 및 제2 학습 모델은 롱숏-텀 메모리(Long Short-Term Memory)(LSTM) 기반의 학습 모델로서, 제1 학습 모델은 사슬 형태의 반복되는 신경망 모듈을 구성하는 복수의 LSTM 블록을 포함하며, 제2 학습 모델은 제1 학습 모델과 병합되지 않은 채 사슬 형태의 반복되는 신경망 모듈을 구성하는 복수의 LSTM 블록을 포함하도록 구성되어, 제1 학습 모델과 제2 학습 모델은 각각의 결과를 독립적으로 생성하며; 상기 제3 학습 모델은, 상기 제1 학습 모델 및 상기 제2 학습 모델의 결과 값을 각각 입력 받는 2개의 활성 함수를 포함하는데, 상기 2개의 활성 함수는 렉티파이드 리니어 유닛(Rectified Linear Unit)으로 이루어지며;출력층은, 상기 제3 학습 모델의 렉티파이드 리니어 유닛(Rectified Linear Unit)으로 이루어진 활성화 함수 각각에서 제공되는 결과를 기초로 공동 발생여부를 결정하는데, 상기 출력층은 Softmax function 활성 함수를 포함하고; 상기 신호 표준화 유닛은 수학식 1을 이용하여 상기 탐지 데이터를 표준화하며; 상기 탐지 데이터는 임팩트 에코(Impact-Echo) 신호로서 0~5000μs의 시간대의 신호이며; 상기 구조물 정보는, 상기 구조물에서 덕트의 콘크리트 피복 두께, 덕트의 깊이 및 덕트와 타격점과의 수평 거리 중에서 선택되는 하나 이상의 것을 포함하는 것을 특징으로 하는 인공지능 학습 모델을 이용한 덕트 공동 탐지 시스템
지정국 정보가 없습니다
패밀리정보가 없습니다
국가 R&D 정보가 없습니다.