건축/환경에너지

Nikkei Construction_2018.4.9 기술 (p28~29)

AI가 하천 제방 사진으로 균열을 점검
수십 킬로미터 구간을 불과 며칠 만에 점검 완료

야치요(八千代)엔지니어링과 BrainPad(도쿄)는 AI를 사용하여 하천의 제방에 발생한 균열을 사진을 통해 자동으로 검출하는 ‘GoganGo(Gogan은 ‘호안(제방)’을 의미)’를 공동으로 개발하였다.

GoganGo의 개발로 호안을 효율적으로 점검할 수 있게 되면서 수십 킬로미터에 이르는 점검 구간의 균열도 불과 며칠 만에 찾아낼 수 있다.

하천의 제방은 대략 5년에 한번은 전구간을 점검할 필요가 있다. 열화나 모양을 육안으로 조사하여 균열이 있으면 스케치하여 기록한다. 인력에 의지하기 때문에 많은 수고가 필요하다. 20km의 구간을 점검하는 기간은 기록대장 작성을 포함하여 3개월 정도 걸린다. 전국의 하천은 총 14만 5,000km에 달한다. 점검 효율화가 요구되는 이유다.

GoganGo를 사용하여 점검하기 위해서는 우선 카메라로 반대편에서 제방을 촬영한다. 100km당 10~15장의 사진을 시스템에 입력하면 사진을 통해 AI가 균열을 인식하여 채색한다. 한 시간에 약 100장의 사진을 처리하기 때문에 촬영시간을 포함해도 며칠이면 점검을 완료할 수 있다.

사진에는 위치정보가 담겨있기 때문에 점검 구간의 어디에 균열이 많이 발생하고 있는가를 일람으로 표시할 수도 있다. 손상이 큰 곳을 한눈에 알 수 있으며 상세한 점검이나 보수 공사 등을 점검할 때의 우선순위를 정하는데 도움이 된다.

GoganGo에는 심층학습이라는 AI 학습 시스템을 탑재하였다. 대상 제방의 균열을 기술자의 눈으로 체크한 ‘교사 데이터’ 사진을 여러 장 학습시키면 ‘제방에 발생한 균열’의 특징을 자동으로 학습한다.

한번 학습한 후에는 촬영한 사진을 그대로 입력하기만 하면 균열을 검출할 수 있게 된다. 처음에는 AI의 교육에는 100~200장의 교사 데이터가 필요했지만 개량을 거듭하면서 30장 정도면 충분한 검출 정밀도를 확보할 수 있게 되었다. 제방 콘크리트의 디자인이나 모양이 다른 경우는 그 때마다 교사 데이터를 다시 입력할 필요가 있다.

GoganGo의 개발이 시작된 것은 2016년 10월 무렵이다. 제방의 점검을 효율화하고 싶은 야치요엔지니어링이 AI기술에 강점을 갖고 있는 브레인패드에 손을 내밀었다. 양사는 앞으로 하천 호안의 열화 정도를 지도에 표시하도록 개량한다. 또한 균열뿐 아니라 다양한 열화 상황도 검출할 수 있도록 확장한다. 해안의 제방이나 댐과 같은 콘크리트 구조물의 점검으로도 적용 범위를 넓힐 방침이다. 드론을 사용한 촬영 방법을 검토하는 등 가일층의 효율화도 목표하고 있다.

  -- 끝 --