건축/환경에너지

Nikkei Construction_2019.6.24 기술 (p33)

드론과 AI로 댐 외벽 벗겨짐을 정량 평가
정부 발주 업무에서 기존과 동등한 치수 검출 정밀도 확인

야치요엔지니어링은 인공지능(AI)을 이용해 댐 외벽의 콘크리트 벗겨짐을 정량적으로 판정하는 시스템을 개발하였다. 기존에는 쌍안경으로 확인했던 댐 제체의 열화 정보를 드론 촬영한 사진과 AI로 파악한다. 야치요는 개발한 시스템을 국토교통성 도호쿠지방정비국이 발주한 나루코댐의 점검 업무에 적용하였다.

열화 대상은 Pop Out이라는 콘크리트 표면이 원형으로 얇게 벗겨진 자국이다. 야치요는 국토교통성 나루코댐관리소가 드론으로 댐에 근접해서 촬영한 수천 장의 사진으로 댐 전체의 이미지를 제작한다. AI의 심층학습을 이용해 Pop Out의 위치와 크기를 특정하였다.

기존의 쌍안경을 이용해 육안 검사할 때는 시간이 오래 걸렸다. 그러나 개발한 시스템을 사용하면 현장에서는 드론으로 사진 촬영만 하면 되기 때문에 업무 효율이 올라간다.

그러나 드론은 바람의 영향을 받기 쉽고 피사체와의 거리나 방향을 고정하는 것이 어렵다. 사진에 따라서 대상물의 축척이 바뀌기 때문에 AI로 균열 등을 검출할 수 있어도 그 정확한 치수까지는 알지 못했다.

그래서 야치요는 여러 장의 사진으로 대상물의 3차원 모델을 작성하는 ‘SfM’을 도입하였다. SfM으로 다양한 거리∙각도에서 촬영한 댐 이미지를 위치정보가 있는 점군데이터로 변환해 댐 제체의 3차원 모델을 제작. 이를 댐의 정면에서 본 평면도로 정사(正射) 변환해서 1픽셀 치수를 2mm로 하는 축척으로 고정하였다. AI는 각 픽셀이 Pop Out인지 여부를 판단한다. Pop Out으로 인식한 픽셀 수로 그 크기를 측정한다.

야치요는 교사데이터를 만들기 위해 댐 제체에 Pop Out이 비친 사진을 100장 준비하였다. Pop Out 위치에는 1픽셀 단위로 화살표를 붙였다. 정확한 위치 판정에는 야치요의 기술자를 활용하였다.

또한 3개의 심층학습 모델로 Pop Out의 인식 정밀도나 계산 시간을 비교. 가장 정답률이 높았던 영국 캠브리지대학이 개발한 모델 ‘SegNet’을 채용하였다.

교사데이터로 이용하는 사진의 화소 수는 4000ⅹ6000픽셀. 그에 맞춰서 댐의 정면도도 같은 화소 수로 분할하여 AI에 학습시킨다. 열화검출시스템의 치수 정밀도는 댐 제체의 하부 부근의 Pop Out를 스케일로 측정한 수치와 대략 합치하였다.

야치요엔지니어링 기술창발연구소의 아마카타(天方) 소장은 “대규모 구조물의 점검에 AI를 이용하면 작업을 효율화할 수 있다. 그것을 실제 업무에 적용했던 것이 성과다”라고 말한다. 앞으로는 댐이나 하천의 둑 보호뿐 아니라 해안의 둑 보호 등에 적용하는 것도 검토할 방침이다.

 -- 끝 --