콘크리트 균열은 구조물의 사용성을 위협하고 건축물의 미관을 저하시킬 수 있다. 또한 미세한 균열은 시간이 지남에 따라 대규모 균열로 발전하여 과도한 외부 하중에 노출될 경우 구조적 파괴로 이어질 수 있다. 더불어 콘크리트 균열의 폭과 깊이를 정밀하게 측정하여 균열이 구조물의 안정성에 미치는 영향을 조사할 필요가 있다. 이에 따라 열화상과 기계학습을 이용하여 콘크리트 균열 깊이를 탐지하는 비파괴·비접촉 검사 방법을 도입하였다. 균열 시편의 열화상은 주간 조명 조건에서 수개월 동안 일정한 시험 장치를 사용하여 획득하였으며, 이를 통해 시편의 온도 분포를 측정하기에 충분한 열을 확보하였다. 기록 파라미터로는 기온, 습도, 조도(illuminance) 등이 포함되었다. 열화상으로부터 균열의 폭과 깊이에 따라 균열 및 표면 온도를 파라미터를 통해 도출하였다. 네 가지 기계학습 알고리즘(결정 트리, 매우 무작위 트리, 그래디언트 부스팅, AdaBoost)을 선택하였고, 균열 깊이 예측 결과를 비교하여 최적의 알고리즘을 식별하였다. 또한 기계학습의 효율을 평가하기 위해 주성분분석(principal component analysis), 특이값분해(singular value decomposition), 독립성분분석(independent component analysis)을 이용한 데이터 편향 분석을 수행하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.