초음파·지중레이더 기반 AI 손상 분류 및 실시간 자동 결함 평가 연구

AI-based damage classification using ultrasonic and GPR sensing for automated defect evaluation

연구 내용

초음파와 지중레이더 신호를 딥러닝으로 자동 분류하고, 로봇 기반 영상·신호 처리로 균열과 결함을 실시간 평가하는 연구입니다.

콘크리트 구조물의 결함을 조기 단계에서 탐지하기 위해 초음파 펄스, 지중레이더(GPR), 영상 기반 정보를 비파괴 신호로 활용합니다. 실험 기반 데이터로 결함 조건(균열·부식·열손상·공극)을 생성하고, 신호의 특징을 모델 입력으로 구성한 뒤 CNN 및 RNN 계열 네트워크로 손상 클래스를 자동 분류합니다. 또한 GPR의 반사 간섭과 다중 파장 반응을 고려해 공극 파라미터를 추정하는 해석 방법을 제안합니다. 더불어 로봇 플랫폼에 탑재 가능한 시맨틱 세그멘테이션 기반 균열 분할과 심각도 맵 생성 절차를 구성하여 현장 점검의 처리 시간을 단축하는 방향으로 연구를 수행합니다.

관련 프로젝트

0건

연구 흐름

초기 연구는 콘크리트 결함을 대상으로 초음파 신호와 GPR 신호의 민감도를 실험적으로 확인하고, 신호 해석 절차를 정립하는 데 집중되었습니다. 이후 균열·부식에 대한 조기 손상 분류 문제에 대해 CNN 기반 자동 분류 모델을 적용해 일관된 판독을 가능하게 했습니다. 동시에 온도 열화 조건에서는 초음파 시계열을 RNN 구조로 모델링하여 열손상 클래스를 분류하는 연구로 확장했습니다. 최근에는 로봇 주행형 수집-분석 흐름에 딥러닝 분할 모델을 탑재하고, 균열 심각도 맵을 생성하는 실시간 자동화 방향으로 진행했습니다. 더불어 해당 분야의 연구 동향을 체계적으로 정리한 문헌 분석을 통해 후속 연구 설계를 지원하는 기반을 마련했습니다.

활용 가능성

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

지중레이더 기반 공극 탐지
초음파 기반 조기 손상 분류
열손상 상태평가
균열 영역 자동 분할
딥러닝 기반 균열 심각도 맵
다중 주파수 GPR 해석 파이프라인
시계열 신호 전처리 자동화
로봇 탑재형 실시간 추론
대상별 결함 특성 추정
대규모 점검 데이터 체계화