인프라 시설물 결함 영상 분할·정량화 및 XAI 안전관리 프레임워크 연구

Vision-based Infrastructure Defect Segmentation, Quantification, and XAI Safety Management Framework Research

연구 내용

인프라 시설물 결함을 영상 기반으로 분할·정량화하고 설명가능한 인공지능 프레임워크로 안전관리 적용성을 높이는 연구

노후화된 공공 인프라에서 균열과 결함을 영상으로 자동 검출하고 정량화하기 위한 딥러닝 기반 세그멘테이션 연구를 수행합니다. 터널 라이닝과 하수관로 결함에 대해 픽셀 단위 분할 모델을 구축하고, 멀티스케일 구조와 어텐션 메커니즘을 활용해 경계와 결함 영역을 안정적으로 추정합니다. 또한 데이터 증강과 현장 적용을 고려한 파이프라인을 설계합니다. 나아가 설명가능한 인공지능과 자연어 처리, 지리정보 연계를 통해 결함 진단 결과를 관리 관점에서 해석 가능하도록 만드는 차별성을 보유하고 있습니다.

관련 프로젝트

4건

연구 흐름

초기에는 2022년부터 터널 라이닝 균열과 하수관로 결함을 대상으로 딥러닝 기반 세그멘테이션을 수행하며 영상 내 결함 영역의 자동 추정 성능을 확보했습니다. 2023년에는 멀티스케일 신경망과 어텐션을 결합해 복잡한 배경과 결함 크기 변화에도 검출의 일관성을 높였습니다. 이후 2021~2024년 과제에서는 데이터 증강과 분산처리 환경을 포함한 운영 관점의 파이프라인을 구성하고, 설명가능한 인공지능을 결합해 결함 진단 결과를 안전관리 의사결정에 활용하는 방향으로 연구를 확장했습니다. 최근에는 현장 유지관리 적용을 염두에 둔 자동화 절차와 해석 가능성에 집중하고 있습니다.

활용 가능성

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

터널 라이닝 균열 자동 측정
하수관로 결함 위험도 추정
인프라 유지관리 점검 자동화
영상 데이터 증강 파이프라인
클라우드-엣지 추론 아키텍처
설명가능 결함 판별 결과 제시
현장 배치용 경량 세그멘테이션 모델
재난 안전 모니터링 대시보드
지리정보 기반 결함 리포팅
정비 우선순위 최적화