감리업무 효율성 향상을 위한 딥러닝 기반 철근배근 디텍팅 기술 개발

뒤로	원문보기 \| 미리보기 [ 원문보기시 소비되는 포인트 : 100 포인트 ]

논문명	감리업무 효율성 향상을 위한 딥러닝 기반 철근배근 디텍팅 기술 개발 / A Development on Deep Learning-based Detecting Technology of Rebar Placement for Improving Building Supervision Efficiency
저자명	박진희(Park, Jin-Hui) ; 김태훈(Kim, Tae-Hoon) ; 추승연(Choo, Seung-Yeon)
발행사	대한건축학회
수록사항	대한건축학회논문집 계획계, Vol.36 No.05 (2020-05)
페이지	시작페이지(93) 총페이지(12)
ISSN	1226-9093
주제분류	시공(적산) / 전산
주제어	딥러닝; 객체검출기술; YOLOv2; MATLAB; 건축감리; 철근 // Deep Learning; Object Detection; YOLOv2; MATLAB; Building Supervision; Rebar
요약1	연구의 목적은 딥러닝의 기술 중 객체검출기술을 이용하여 건축감리의 효율성 향상시킬 수 있는 감독 방법을 제안하는 것이다. 건축감리제도가 도입된 이후 제도적, 행정적인 면에서 개선, 발전 되었지만 감리를 수행하는 방법 면에서는 제도 도입 이래 개선된 점을 찾기 힘들다. 따라서 감리업무의 실행 방법에서 기둥의 철근 배근을 감지하여 자동으로 계수함으로써 효율성을 향상시킬 수 있는 방법을 제안하였다. 딥러닝의 객체검출기술을 활용하여 띠철근 검출 네트워크를 구축하였고 그 성능에 대해서는 학습에 사용한 비슷한 이미지에 대해서는 92.85%의 정확도를, 전혀 새로운 이미지에 대해서는 특정한 거리에서 90% 이상의 정확도를 확인할 수 있었으며, 검출된 띠철근을 짧은 시간 안에 계수할 수 있었다. 이러한 일련의 과정을 통해 철근 배근의 자동 검출 및 감리업무 효율성 향상 가능성을 확인하였다.
요약2	The purpose of this study is to suggest a supervisory way to improve the efficiency of Building Supervision using Deep Learning, especially object detecting technology. Since the establishment of the Building Supervision system in Korea, it has been changed and improved many times systematically, but it is hard to find any improvement in terms of implementing methods. Therefore, the Supervision is until now the area where a lot of money, time and manpower are needed. This might give a room for superficial, formal and documentary supervision that could lead to faulty construction. This study suggests a way of Building Supervision which is more automatic and effective so that it can lead to save the time, effort and money. And the way is to detect the hoop-bars of a column and count the number of it automatically. For this study, we made a hoop-bar detecting network by transfor learnning of YOLOv2 network through MATLAB. Among many training experiments, relatively most accurate network was selected, and this network was able to detect rebar placement in building site pictures with the accuracy of 92.85% for similar images to those used in trainings, and 90% or more for new images at specific distance. It was also able to count the number of hoop-bars. The result showed the possibility of automatic Building Supervision and its efficiency improvement.
소장처	대한건축학회

스크랩하기

추천문헌	이 논문을 열람하신 아우릭 회원님들이 많이 열람하신 논문을 추천해 드립니다.
[시론] 4차 산업혁명 시대, 건축의 대응 이명식(Lee, Myung-Sik) - 건축(대한건축학회지) : Vol.61 No.05 (201705)
[특집] 국내 친환경 건축물 사례 분석 정지나 ; 김용석 ; 이승민 - 그린빌딩(한국그린빌딩협의회지) : v.9 n.1 (200803)
최근 건축분야의 인공지능 기계학습 연구동향 강인성(Kang, In Sung) ; 문진우(Moon, Jin Woo) ; 박진철(Park, Jin Chul) - 대한건축학회논문집 구조계 : Vol.33 No.04 (201704)
360도 카메라 기반 건설현장 철근 배근 정보 원격 계측 기법 개발 이명훈(Myung-Hun Lee) ; 우욱용(Ukyong Woo) ; 최하진(Hajin Choi) ; 강수민(Su-min Kang) ; 최경규(Kyoung-Kyu Choi) - 한국구조물진단유지관리공학회 논문집 : Vol.26 No.6 (202212)
건축감리 업무의 효율성 제고를 위한 디지털 기술 적용 우선순위 분석 김창원(Kim, Chang-Won) ; 유위성(Yoo, Wi Sung) ; 임현수(Lim, Hyunsu) - 한국건축시공학회 논문집 : Vol.23 No.1 (202302)
콘크리트 균열 탐지를 위한 딥 러닝 기반 CNN 모델 비교 설동현(Seol, Dong-Hyeon) ; 오지훈(Oh, Ji-Hoon) ; 김홍진(Kim, Hong-Jin) - 대한건축학회논문집 구조계 : Vol.36 No.03 (202003)
[특집] 개정된 KBC2016 풍하중기준 하영철(Ha, Young-Cheol) - 건축(대한건축학회지) : Vol.60 No.09 (201609)
건축 시공단계 검측 업무 자동 생성을 위한 프레임워크 개발 조석연(Jo, Seuckyeon) ; 이진강(Lee, Jin Gang) ; 최재현(Choi, Jaehyun) - 한국건설관리학회 논문집 : Vol.24 No.1 (202301)
딥러닝 기반 이미지 자동 레이블링을 활용한 건축물 파사드 데이터세트 구축 기술 개발 구형모(Gu, Hyeong-Mo) ; 서지효(Seo, Ji-Hyo) ; 추승연(Choo, Seung-Yeon) - 대한건축학회논문집 계획계 : Vol.35 No.12 (201912)
딥러닝 및 영상처리 기술을 활용한 콘크리트 균열 검출 방법 정서영(Jung, Seo-Young) ; 이슬기(Lee, Seul-Ki) ; 박찬일(Park, Chan-Il) ; 조수영(Cho, Soo-Young) ; 유정호(Yu, Jung-Ho) - 대한건축학회논문집 구조계 : Vol.35 No.11 (201911)