| 1 |
1
교량 구조물의 신축 이음 부위에 설치된 음파 센서로부터 수집된 음파 신호-여기서, 상기 음파 신호는 차량이 상기 신축 이음 부위 통과시 발생하는 시간적으로 연속된 음파 파형 신호이며, 상기 음파 파형 신호는 정상 상태 및 손상 상태의 2가지 유형으로 분류됨-를 샘플링하여 음파 데이터를 생성해 1차원(1D) 컨벌루션 뉴럴 네트워크(CNN; Convolutional Neural Network) 모델의 입력층으로 제공하는 단계;상기 음파 데이터를 상기 1차원(1D) CNN 모델로 학습시키고 검증해 딥러닝 모델을 구축하는 단계; 및소정의 탐지 기준을 적용하여 상기 교량 구조물에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법
|
| 2 |
2
제1항에 있어서, 상기 음파 파형 신호를 샘플링하여 소정 단위 시간 간격으로 분할해 1차원 배열(1D array) 음파 데이터를 생성하고, 상기 생성된 음파 데이터를 정상 상태 또는 손상 상태로 라벨링하여 딥러닝 모델 학습 자료를 구축하는 것을 특징으로 하는 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법
|
| 3 |
3
제1항에 있어서, 상기 음파 파형 신호를 샘플링하여 소정 단위 시간 간격으로 분할해 1차원 배열(1D array) 음파 데이터를 생성하고, 상기 생성된 1차원 배열(1D array) 음파 데이터를 상기 1차원(1D) CNN 모델로 학습시키는 것을 특징으로 하는 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법
|
| 4 |
4
제3항에 있어서, 상기 소정의 탐지 기준을 적용하여 상기 교량에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계는상기 음파 파형 신호를 샘플링하여 소정 단위 시간 간격으로 분할해 1차원 배열(1D array) 음파 데이터를 생성하고, 상기 생성된 1차원 배열(1D array) 음파 데이터를 상기 학습된 CNN 모델에 적용시켜 정상 상태 또는 손상 상태 중 하나를 가지는 결과값을 120개 출력하고, 상기 120개의 출력에서 손상 상태가 60회 이하인 경우 '정상 상태'로 판단하고, 상기 120개의 출력에서 손상 상태가 60회 초과인 경우 '손상 상태'로 판단하는 것을 특징으로 하는 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법
|
| 5 |
5
제4항에 있어서, 상기 소정의 탐지 기준을 적용하여 상기 교량 구조물에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계는 상기 손상 상태로 판단된 경우 교량 구조물 관제 서버의 대시 보드에 표시되도록 하는 것을 특징으로 하는 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법
|
| 6 |
6
제4항에 있어서, 상기 소정의 탐지 기준을 적용하여 상기 교량 구조물에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계는 상기 음파 파형 신호에 대하여 1개의 윈도우를 슬라이딩하여 분석해 상기 정상 상태 또는 상기 손상 상태를 판단하는 것을 특징으로 하는 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법
|
| 7 |
7
교량 구조물의 신축 이음 부위에 설치된 음파 센서로부터 수집된 음파 신호-여기서, 상기 음파 신호는 차량이 상기 신축 이음 부위 통과시 발생하는 시간적으로 연속된 음파 파형 신호이며, 상기 음파 파형 신호는 정상 상태 및 손상 상태의 2가지 유형으로 분류됨-를 샘플링하여 음파 데이터를 생성해 1차원(1D) 컨벌루션 뉴럴 네트워크(CNN; Convolutional Neural Network) 모델의 입력층으로 제공하는 단계;상기 음파 데이터를 상기 1차원(1D) CNN 모델로 학습시키고 검증해 딥러닝 모델을 구축하는 단계; 및소정의 탐지 기준을 적용하여 상기 교량 구조물에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계를 실행시키는 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램
|
| 8 |
8
컴퓨터 판독 가능한 기록 매체에 있어서, 교량 구조물의 신축 이음 부위에 설치된 음파 센서로부터 수집된 음파 신호-여기서, 상기 음파 신호는 차량이 상기 신축 이음 부위 통과시 발생하는 시간적으로 연속된 음파 파형 신호이며, 상기 음파 파형 신호는 정상 상태 및 손상 상태의 2가지 유형으로 분류됨-를 샘플링하여 음파 데이터를 생성해 1차원(1D) 컨벌루션 뉴럴 네트워크(CNN; Convolutional Neural Network) 모델의 입력층으로 제공하는 단계;상기 음파 데이터를 상기 1차원(1D) CNN 모델로 학습시키고 검증해 딥러닝 모델을 구축하는 단계; 및소정의 탐지 기준을 적용하여 상기 교량 구조물에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계를 실행시키기 위한 프로그램을 기록한 컴퓨터 판독 가능한 기록 매체
|
