맞춤기술찾기

이전대상기술

딥러닝 기반 경사지 균열 감지 방법과 이를 이용한 산사태 조기 감지 방법 및 그 장치

  • 기술번호 : KST2023005734
  • 담당센터 : 부산기술혁신센터
  • 전화번호 : 051-606-6561
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 본 발명은, 디지털 영상 정보를 분석하여 산사태의 징조가 될 수 있는 경사지의 균열 및/또는 토석류 거동을 감지 및 계산함으로써, 산사태를 조기에 감지 및/또는 경고할 수 있도록 하는 딥러닝 기반 경사지 균열 감지 방법과 이를 이용한 산사태 조기 감지 방법 및 그 장치에 관한 것이다. 본 발명의 일 실시예에 따른 딥러닝 기반 경사지 균열 감지 방법은, 이미지 데이터 세트의 입력 이미지를 입력받는 이미지 입력 단계; 상기 입력 이미지에서 산사태 균열을 감지하여 균열이 배경에 대하여 구분하여 표시되는 균열 감지 이미지를 생성하는 산사태 균열 감지 단계; 및 상기 균열 감지 이미지에서 균열의 크기를 계산하는 균열 크기 산출 단계;를 포함할 수 있다. 이때, 상기 산사태 균열 감지 단계는 미리 학습용 이미지 데이터에 의하여 U-Net 모델을 이용하여 학습되어 생성되는 균열 감지 모델을 이용하여 상기 입력 이미지에서 균열 감지 이미지를 생성할 수 있다.
Int. CL G01B 11/16 (2006.01.01) G01B 11/02 (2006.01.01) G06N 3/08 (2023.01.01) G06N 3/04 (2023.01.01) G06T 7/00 (2017.01.01) G06T 7/10 (2021.01.01) G06T 7/194 (2017.01.01) G06T 7/62 (2017.01.01) G06T 7/66 (2017.01.01) G06Q 50/10 (2012.01.01) G08B 21/10 (2014.01.01)
CPC G01B 11/16(2013.01) G01B 11/02(2013.01) G06N 3/08(2013.01) G06N 3/047(2013.01) G06T 7/001(2013.01) G06T 7/10(2013.01) G06T 7/194(2013.01) G06T 7/62(2013.01) G06T 7/66(2013.01) G06Q 50/10(2013.01) G08B 21/10(2013.01)
출원번호/일자 1020220130678 (2022.10.12)
출원인 부경대학교 산학협력단
등록번호/일자 10-2550707-0000 (2023.06.28)
공개번호/일자
공고번호/일자 (20230630) 문서열기
국제출원번호/일자
국제공개번호/일자
우선권정보
법적상태 등록
심사진행상태 수리
심판사항
구분 국내출원/신규
원출원번호/일자
관련 출원번호
심사청구여부/일자 Y (2022.10.12)
심사청구항수 18

출원인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 출원인 표입니다.
번호 이름 국적 주소
1 부경대학교 산학협력단 대한민국 부산광역시 남구

발명자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 발명자 표입니다.
번호 이름 국적 주소
1 김윤태 대한민국 부산광역시 남구
2 하용수 대한민국 부산광역시 남구
3 팜 밍 부옹 부산광역시 남구

대리인

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 대리인 표입니다.
번호 이름 국적 주소
1 네이트특허법인 대한민국 서울특별시 강남구 역삼로 ***, ***호(역삼동, 하나빌딩)

최종권리자

번호, 이름, 국적, 주소의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 인명정보 - 최종권리자 표입니다.
번호 이름 국적 주소
1 부경대학교 산학협력단 부산광역시 남구
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
2022.10.12 수리 (Accepted) 1-1-2022-1073197-40
2 [우선심사신청]심사청구서·우선심사신청서
2023.01.26 수리 (Accepted) 1-1-2023-0092213-95
3 선행기술조사의뢰서
Request for Prior Art Search
2023.02.07 수리 (Accepted) 9-1-9999-9999999-89
4 특허고객번호 정보변경(경정)신고서·정정신고서
2023.02.23 수리 (Accepted) 4-1-2023-5045343-17
5 선행기술조사보고서
Report of Prior Art Search
2023.03.09 발송처리완료 (Completion of Transmission) 9-6-2023-0046590-84
6 의견제출통지서
Notification of reason for refusal
2023.03.30 발송처리완료 (Completion of Transmission) 9-5-2023-0297820-32
7 [거절이유 등 통지에 따른 의견]의견서·답변서·소명서
2023.04.11 수리 (Accepted) 1-1-2023-0404003-99
8 [명세서등 보정]보정서
[Amendment to Description, etc.] Amendment
2023.04.11 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2023-0404000-52
9 [분할출원]특허출원서
[Divisional Application] Patent Application
2023.04.11 수리 (Accepted) 1-1-2023-0404013-45
10 특허고객번호 정보변경(경정)신고서·정정신고서
2023.06.14 수리 (Accepted) 4-1-2023-5154318-09
11 등록결정서
Decision to grant
2023.06.22 발송처리완료 (Completion of Transmission) 9-5-2023-0569735-17
12 [명세서등 보정]보정서(심사관 직권보정)
2023.06.29 보정승인간주 (Regarded as an acceptance of amendment) 1-1-2023-5012980-60
번호, 청구항의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 청구항 표입니다.
번호 청구항
1 1
이미지 데이터 세트의 입력 이미지를 입력받는 이미지 입력 단계; 상기 입력 이미지에서 산사태 균열을 감지하여 균열이 배경에 대하여 구분하여 표시되는 균열 감지 이미지를 생성하는 산사태 균열 감지 단계; 및 상기 균열 감지 이미지에서 균열의 크기를 계산하는 균열 크기 산출 단계;를 구비하고, 상기 산사태 균열 감지 단계는 미리 학습용 이미지 데이터에 의하여 U-Net 모델을 이용하여 학습되어 생성되는 균열 감지 모델을 이용하여 상기 입력 이미지에서 균열 감지 이미지를 생성하며, 상기 균열 크기 산출 단계에는 상기 균열 감지 이미지를 이미지 처리하여 식별된 균열 형상으로부터 균열의 길이와 너비를 계산하며, 상기 균열 형상을 설정된 수평 또는 수직 픽셀 수의 단위로 복수의 세그먼트로 분할하고, 기준선과 균열의 경계의 두 교차점의 중심을 각각의 세그먼트의 중심점으로 하고, 해당 세그먼트의 중심점과 이전 세그먼트의 중심점 사이의 거리를 해당 세그먼트의 중심선으로 하고, 모든 세그먼트의 중심선의 합이 상기 균열의 길이로 계산되는 딥러닝 기반 경사지 균열 감지 방법
2 2
제1항에 있어서, 상기 균열 감지 이미지가, 상기 입력 이미지를 1개 채널의 회색 이미지로 변환하고, 상기 회색 이미지의 각각의 픽셀이 균열을 포함할 확률이 설정값(예를 들어, 0
3 3
제1항에 있어서, 상기 U-Net 모델이, 2개 이상의 컨볼류션 블록을 포함하여 다운 샘플링하는 수축 경로, 및 2개 이상의 컨볼류션 블록을 포함하여 업 샘플링하는 확장 경로를 포함하고, 상기 컨볼류션 블록이 컨볼류션(Convolution), 배치 정규화(Batch Normalization, BN), 및 ReLU (Rectified Linear Unit) 연산을 포함하고, 상기 수축 경로는 최대 풀링(Maxpooling) 작업을 포함하나, 상기 확장 경로는 최대 풀링(Maxpooling) 작업을 포함하지 않는 딥러닝 기반 경사지 균열 감지 방법
4 4
삭제
5 5
삭제
6 6
제1항에 있어서, 상기 균열의 시작점과 끝점을 잇는 선과 수평선 사이의 각도가 0~45도이면 균열 감지 이미지에서 수직선이 상기 기준선이 되고, 상기 균열의 시작점과 끝점을 잇는 선과 수평선 사이의 각도가 45~90도이면 균열 감지 이미지에서 수평선이 상기 기준선이 되는 딥러닝 기반 경사지 균열 감지 방법
7 7
제1항에 있어서, 해당 균열 세그먼트에서 상기 중심선에 수직인 선과 균열 경계의 교차하는 두 지점들 사이의 거리가 해당 균열 세그먼트의 너비가 되고, 전체 균열의 너비는 각각의 균열 세그먼트 너비들의 평균인 딥러닝 기반 경사지 균열 감지 방법
8 8
제1항에 있어서, 픽셀 단위로 계산된 상기 균열의 길이와 너비에 mm 단위 변환 계수를 곱하여 mm 단위의 상기 균열의 길이와 너비를 계산하며, 상기 mm 단위 변환 계수는 mm 단위의 설정된 면적에 포함되는 가로 픽셀수 X 세로 픽셀수의 값으로 나눈 값의 제곱근인 딥러닝 기반 경사지 균열 감지 방법
9 9
제1항 내지 제3항 및 제6항 내지 제8항 중의 적어도 어느 하나의 항의 딥러닝 기반 경사지 균열 감지 방법을 구비하는 산사태 조기 감지 방법
10 10
제9항에 있어서, 상기 산사태 균열의 크기로부터 산사태 발생 위험 여부를 판단하는 단계를 더 구비하는 산사태 조기 감지 방법
11 11
제10항에 있어서, 상기 산사태 균열의 크기는 상기 균열의 길이와 너비를 포함하고, 상기 균열의 길이와 상기 균열의 너비의 크기 비율에 따라 상기 산사태 발생 위험 여부를 주의 단계, 경고 단계, 및 대피 단계 중의 어느 하나로 판단하는 산사태 조기 감지 방법
12 12
제10항에 있어서, 제1 파라미터와 제2 파라미터의 크기 비율에 따라 상기 산사태 발생 위험 여부를 주의 단계, 경고 단계, 및 대피 단계를 포함하는 위험 단계들 중의 어느 하나로 판단하는 산사태 조기 감지 방법
13 13
제12항에 있어서, 상기 제1 파라미터는 상기 균열의 크기로부터 결정되는 값이며, 상기 제2 파라미터는 토석류의 움직임 정보로부터 결정되는 값인 산사태 조기 감지 방법
14 14
제13항에 있어서, 상기 주의 단계, 상기 경고 단계, 및 상기 대피 단계가 상기 제1 파라미터와 상기 제2 파라미터의 관계가 동일한 크기의 음의 기울기를 서로 다른 직선들에 의하여 결정되는 산사태 조기 감지 방법
15 15
제10항에 있어서, 상기 산사태 발생 위험 여부에 따라 주의 단계, 경고 단계, 및 대피 단계를 포함하는 위험 단계들 중의 하나의 경고 신호를 생성하는 경고 단계를 더 구비하는 산사태 조기 감지 방법
16 16
제13항에 있어서, 상기 토석류의 움직임 정보는 상기 토석류의 속도 및 토석류의 크기에 대한 정보를 포함하는 산사태 조기 감지 방법
17 17
제16항에 있어서, 상기 토석류의 움직임은 YOLO 모델의 딥러닝에 의하여 식별되고, 상기 토석류의 속도 및 크기는 이미지 처리에 의하여 계산되는 산사태 조기 감지 방법
18 18
제17항에 있어서, 상기 토석류의 크기는 시간당 부피로 계산될 수 있으며, 이미지 처리에 의하여 계산되는 토석류의 속도, 폭, 및 깊이 정보에 의하여 계산되는 산사태 조기 감지 방법
19 19
이미지 데이터 세트의 입력 이미지를 입력받는 영상 입력부; 상기 입력 이미지에서 산사태 균열을 감지하여 균열이 배경에 대하여 구분하여 표시되는 균열 감지 이미지를 생성하고, 상기 균열 감지 이미지에서 균열의 크기를 계산하는 영상 분석부; 상기 산사태 균열의 크기로부터 산사태 발생 위험 여부를 판단하는 산사태 위험 판단부; 및 상기 산사태 발생 위험 여부에 따라 주의 단계, 경고 단계, 및 대피 단계를 포함하는 위험 단계들 중의 하나의 경고 신호를 생성하는 경고부;를 구비하고, 상기 산사태 균열의 감지는 미리 학습용 이미지 데이터에 의하여 U-Net 모델을 이용하여 학습되어 생성되는 균열 감지 모델을 이용하여 상기 입력 이미지에서 균열 감지 이미지를 생성하여 이루어지며, 상기 균열의 크기는 상기 균열 감지 이미지를 이미지 처리하여 식별된 균열 형상으로부터 균열의 길이와 너비를 계산하여 산출되며, 상기 균열 형상을 설정된 수평 또는 수직 픽셀 수의 단위로 복수의 세그먼트로 분할하고, 기준선과 균열의 경계의 두 교차점의 중심을 각각의 세그먼트의 중심점으로 하고, 해당 세그먼트의 중심점과 이전 세그먼트의 중심점 사이의 거리를 해당 세그먼트의 중심선으로 하고, 모든 세그먼트의 중심선의 합이 상기 균열의 길이로 계산되는 산사태 조기 감지 장치
20 20
제19항에 있어서, 제1 파라미터와 제2 파라미터의 크기 비율에 따라 상기 산사태 발생 위험 여부를 판단하고, 상기 제1 파라미터는 상기 균열의 크기로부터 결정되는 값이며, 상기 제2 파라미터는 토석류의 움직임 정보로부터 결정되는 값인 산사태 조기 감지 장치
지정국 정보가 없습니다
패밀리정보가 없습니다
순번, 연구부처, 주관기관, 연구사업, 연구과제의 정보를 제공하는 이전대상기술 뷰 페이지 상세정보 > 국가R&D 연구정보 정보 표입니다.
순번 연구부처 주관기관 연구사업 연구과제
1 행정안전부 (재)부산테크노파크 지역맞춤형재난안전문제해결기술개발지원(R&D) AI 기반 주거지 옹벽안전관리 플랫폼 구축 및 실증