1 |
1
인공지능 학습 모델을 이용하여 균열의 성장을 예측하는 장치에 있어서, 시설물의 대상 영역을 시계열적으로 촬영한 복수개의 시설물 이미지를 수신하는 통신 모듈; 상기 시설물 이미지를 분석하여 상기 시설물 이미지 내 균열 영역의 예측되는 성장 형태를 생성하는 균열 성장 예측 프로그램을 저장하는 메모리; 및상기 메모리에 저장된 균열성장 예측 프로그램을 실행하는 프로세서를 포함하며, 상기 균열 성장 예측 프로그램은, 딥러닝 기반의 균열 성장 예측 네트워크를 이용하여 시설물에 대한 이미지들로부터 분석 대상 균열 영역의 예측되는 성장 형태를 생성하되,상기 딥러닝 기반의 균열 성장 예측 네트워크는 대상체에 대하여 시간 순서에 따라 순차적으로 획득한 복수의 시계열적 균열 성장 데이터를 기초로 학습된 것인, 균열 성장 예측 장치
|
2 |
2
제1항에 있어서, 상기 균열 성장 예측 프로그램은,상기 시설물 이미지 내 균열 부분을 포함하는 분석 대상 균열 영역을 설정하고, 상기 시설물 이미지로부터 상기 분석 대상 균열 영역에 대한 시계열적 균열 정보를 추출하고, 그리고, 상기 딥러닝 기반 균열 성장 예측 네트워크를 이용하여 상기 시계열적 균열 정보에 따라 예측되는 상기 분석 대상 균열 영역의 성장 형태를 생성하는 것을 수행하도록 구성되는, 균열 성장 예측 장치
|
3 |
3
제1항에 있어서, 상기 균열 성장 예측 프로그램은, 시설물에 대한 이미지들로부터 이미지 내 균열 부분을 추출하도록 학습된 인공지능 모델을 통해, 상기 복수의 시계열적 균열 성장 데이터를 기초로 학습된 상기 딥러닝 기반 규열 성장 예측 네트워크를 생성하는 것을 더 수행하도록 구성되는, 균열 성장 예측 장치
|
4 |
4
제1항에 있어서, 상기 균열 성장 예측 프로그램은, 상기 시설물 이미지 내 균열 부분을 포함하는 복수개의 균열 영역들을 설정하고, 상기 복수개의 균열 영역들 중 기설정된 두께값 이상의 두께를 갖는 균열 부분을 포함하는 균열 영역을 상기 분석 대상 균열 영역으로 설정하는 것을 더 수행하도록 구성되는, 균열 성장 예측 장치
|
5 |
5
제1항에 있어서, 상기 시계열적 균열 정보는 상기 분석 대상 균열 영역이 포함하는 균열 부분의 시계열적 외형 정보, 두께 정보 및 길이 정보 중 적어도 하나를 포함하는, 균열 성장 예측 장치
|
6 |
6
제1항에 있어서, 상기 딥러닝 기반 균열 성장 예측 네트워크는 순환 신경망 구조를 갖는, 균열 성장 예측 장치
|
7 |
7
제1항에 있어서, 상기 시설물 이미지는 제1 시점에 촬영된 제1 시설물 이미지와 제1 시점으로부터 일정 시간 이후의 제2 시점에 촬영된 제2 시설물 이미지를 포함하고, 상기 시계열적 균열 정보는 상기 제1 시설물 이미지로부터 추출되는 상기 분석 대상 균열 영역에 포함된 균열 부분의 제1 두께 및 상기 제2 시설물 이미지로부터 추출되는 상기 분석 대상 균열 영역에 포함된 균열 부분의 제2 두께를 포함하며, 상기 균열 성장 예측 프로그램은, 상기 제1 두께로부터 상기 제2 시점에 예측되는 상기 분석 대상 균열 영역에 포함된 균열 부분의 예측 두께를 산출하고, 상기 제2 두께와 상기 예측 두께 간의 차이를 이용하여 상기 딥러닝 기반 균열 성장 예측 네트워크를 학습시키는 것을 더 수행하도록 구성되는, 균열 성장 예측 장치
|
8 |
8
제1항에 있어서, 상기 균열 성장 예측 프로그램은, 상기 분석 대상 균열 영역의 예측되는 성장 형태 중 상기 분석 대상 균열 영역에 포함된 균열 부분의 예측되는 두께가 기설정된 임계값 이상이 되는 시점을 산출하는 단계를 것을 더 수행하도록 구성되는, 균열 성장 예측 장치
|
9 |
9
제8항에 있어서, 상기 균열 성장 예측 프로그램은, 상기 분석 대상 균열 영역에 포함된 균열 부분의 시점별 예측되는 두께에 대한 데이터 정량화를 더 수행하도록 구성되는, 균열 성장 예측 장치
|
10 |
10
인공지능 네트워크를 이용하여 균열의 성장을 예측하는 방법에 있어서, (a) 시설물의 대상 영역을 시계열적으로 촬영한 복수개의 시설물 이미지 내 균열 부분을 포함하는 분석 대상 균열 영역을 설정하는 단계;(b) 상기 시설물 이미지로부터 상기 분석 대상 균열 영역에 대한 시계열적 균열 정보를 추출하는 단계; 및(c) 대상체에 대하여 시간 순서에 따라 순차적으로 획득한 복수의 시계열적 균열 성장 데이터를 기초로 학습된 딥러닝 기반 균열 성장 예측 네트워크를 이용하여, 상기 시계열적 균열 정보에 따라 예측되는 상기 분석 대상 균열 영역의 성장 형태를 생성하는 단계를 포함하는, 균열 성장 예측 방법
|
11 |
11
제10항에 있어서, 상기 (a) 단계 이전에, 시설물에 대한 이미지들로부터 이미지 내 균열 부분을 추출하도록 학습된 인공지능 모델을 통해, 상기 복수의 시계열적 균열 성장 데이터를 기초로 학습된 상기 딥러닝 기반 규열 성장 예측 네트워크를 생성하는 단계를 더 포함하는, 균열 성장 예측 방법
|
12 |
12
제10항에 있어서, 상기 (a) 단계는, 상기 시설물 이미지 내 균열 부분을 포함하는 복수개의 균열 영역들을 설정하는 단계; 및상기 복수개의 균열 영역들 중 기설정된 두께값 이상의 두께를 갖는 균열 부분을 포함하는 균열 영역을 상기 분석 대상 균열 영역으로 설정하는 단계를 포함하는, 균열 성장 예측 방법
|
13 |
13
제10항에 있어서, 상기 (b) 단계에서, 상기 시계열적 균열 정보는 상기 분석 대상 균열 영역이 포함하는 균열 부분의 시계열적 외형 정보, 두께 정보 및 길이 정보 중 적어도 하나를 포함하는, 균열 성장 예측 방법
|
14 |
14
제10항에 있어서, 상기 딥러닝 기반 균열 성장 예측 네트워크는 순환 신경망 구조를 갖는, 균열 성장 예측 방법
|
15 |
15
제10항에 있어서, 상기 시설물 이미지는 제1 시점에 촬영된 제1 시설물 이미지와 제1 시점으로부터 일정 시간 이후의 제2 시점에 촬영된 제2 시설물 이미지를 포함하고, 상기 시계열적 균열 정보는 상기 제1 시설물 이미지로부터 추출되는 상기 분석 대상 균열 영역에 포함된 균열 부분의 제1 두께 및 상기 제2 시설물 이미지로부터 추출되는 상기 분석 대상 균열 영역에 포함된 균열 부분의 제2 두께를 포함하며, 상기 (c) 단계는,상기 제1 두께로부터 상기 제2 시점에 예측되는 상기 분석 대상 균열 영역에 포함된 균열 부분의 예측 두께를 산출하는 단계; 및상기 제2 두께와 상기 예측 두께 간의 차이를 이용하여 상기 딥러닝 기반 균열 성장 예측 네트워크를 학습시키는 단계를 포함하는, 균열 성장 예측 방법
|
16 |
16
제10항에 있어서, (d) 상기 분석 대상 균열 영역의 예측되는 성장 형태 중 상기 분석 대상 균열 영역에 포함된 균열 부분의 예측되는 두께가 기설정된 임계값 이상이 되는 시점을 산출하는 단계를 더 포함하는, 균열 성장 예측 방법
|
17 |
17
제16항에 있어서, 상기 (d) 단계는, 상기 분석 대상 균열 영역에 포함된 균열 부분의 시점별 예측되는 두께에 대한 데이터 정량화를 수행하는 단계를 더 포함하는, 균열 성장 예측 방법
|
18 |
18
제10항 내지 제17항 중 어느 한 항에 따른 균열 성장 예측 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 비일시적 컴퓨터 판독가능 기록매체
|