지구물리 영상·신호 자동해석과 기계학습 기반 탐사 최적화 연구

Automated interpretation of geophysical imagery and machine-learning-based survey optimization

연구 내용

GPR·전기비저항탐사 등 탐사 데이터를 전처리·분할·분류하고, 딥러닝과 전통 ML을 결합해 지중 구조 및 고고·지질 정보를 자동으로 식별하는 연구

본 분야는 지구물리 탐사에서 발생하는 관측 조건과 영상 품질의 영향을 정량적으로 다루고, 자동 해석 파이프라인을 구축하는 데 목적이 있습니다. GPR에서는 안테나 배열과 송수신 기하가 신호 반사 양상에 미치는 영향을 검토하고, 동일 자극에 대한 반응 차이를 기반으로 탐사 설정을 최적화합니다. 또한 GPR 영상에서 특징 추출과 세그멘테이션을 수행하고 Random Forest 등 분류 기법으로 매장 유적 구조를 구분합니다. 더 나아가 CNN 기반 분류로 발자국 자료의 라벨 검증을 보조하며, ERT·저항률 방법으로 단층대 및 제방 평가의 영상화를 수행해 적용 범위를 확장합니다.

관련 프로젝트

0건

연구 흐름

초기에는 GPR 신호가 안테나 방향과 관측 기하에 따라 어떻게 달라지는지 실험 기반으로 정리해 탐사 조건을 설정하는 연구를 수행했습니다. 이후에는 GPR 영상에서 에지 검출과 Hough transform으로 구조 위치를 추정하고, 객체 기반 분할과 Random Forest 분류를 결합해 고고 자료에 대한 자동 분석을 시도했습니다. 병행하여 딥러닝 기반 이미지 분류로 라벨 할당의 일관성을 보정하는 흐름으로 확장되었습니다. 최근에는 ERT 및 전기저항/정전 결합 측정의 비교를 통해 지중 특성 규명의 등가성을 확보하고, 단층대 영상화 및 제방 평가로 응용을 구체화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

매장 유적 위치 추정
GPR 기반 지중 구조 자동 분류
탐사 장비 배열 최적화
전기비저항 기반 단층대 영상화
지반·제방 매립 상태 진단
지구물리 데이터 전처리 자동화
다중 센서 영상 특징 추출
라벨 기반 자동 검증 도구
미지 물체 탐지 보조
지질 위험지도 갱신