Ultrasonic Wavefield Imaging and Unsupervised Learning-based Damage/Crack Detection Research
연구 내용
초음파 파동장의 지배 위상(웨이브넘버) 성분을 선별하고, 무지도 딥러닝으로 균열 패턴을 추출하여 비파괴 손상 검출 성능을 개선하는 연구
박규해 연구실은 초음파 파동장 영상에서 손상으로 인한 결함 신호를 분리하기 위해 지배 웨이브넘버 기반 필터링 전략을 적용합니다. 이를 통해 정상 신호와 결함 관련 성분을 구분하여 손상 탐지 민감도를 높이고, 영상 기반 손상 위치를 향상시키는 절차를 구성합니다. 또한 스탬핑 금속 제품을 대상으로는 라벨 없이도 코드북과 오토인코더 기반 표상 학습을 수행하고, 잠재 공간에서 균열 영역을 세분화하도록 학습 파이프라인을 설계합니다. 결과적으로 데이터 의존성을 낮춘 손상 검출 방법을 구축합니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 초음파 파동장 영상에서 손상 관련 성분을 강조하기 위한 웨이브넘버 관점의 필터링 아이디어를 검증했습니다. 이후 2024년에는 정상 상태의 파동장 특성을 안정적으로 활용해 지배 성분을 선별함으로써 손상 검출 정확도를 높이는 연구로 확장했습니다. 같은 해에는 무지도 학습 프레임에서 오토인코더와 코드북 표상을 이용하여 스탬핑 제품의 균열을 세분화하는 접근을 제시했습니다. 두 축을 기반으로, 물리 기반 신호 분리와 데이터 기반 잠재표상 학습을 결합하는 방향으로 비파괴 검출의 범용화를 시도하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Enhanced damage detection by dominant wavenumber filtering in steady-state ultrasonic wavefield imaging
Robust unsupervised-learning based crack detection for stamped metal products