교량 바닥판 포장 및 피복두께 해석을 위한 딥러닝 기반 GPR 자료해석 기법

초록

교량 바닥판의 포장두께와 상부철근 피복두께 정보는 유지관리 및 보수·보강 계획 수립에 유용하게 활용될 수 있다. 아스팔트 포장두께 산정은 향후 재포설 시 필요한 물량 산출이나 해체 과정에서 발생하는 건설폐기물 처리량 예측에 기여할 수 있으며, 상부철근의 피복두께 평가 또한 철근 부식 가능성과 내구성 저하 위험을 검토하는 데 활용되어 유지관리 의사결정의 신뢰성을 높이는 데 기여할 수 있다. 포장 및 피복두께는 설계치가 존재하나, 실제 시공 및 장기 사용 과정에서 다양한 환경적·구조적 요인에 의해 설계치와 차이가 발생할 수 있다. 이를 직접 확인하기 위한 코어 채취는 바닥판에 불연속면을 발생시켜 구조적 약화를 초래할 수 있으며, 조사 위치가 제한적이어서 전체 구간의 특성을 대표하기 어렵다. 이러한 한계로 인해 비파괴 검사 기법인 지표투과레이더(Ground Penetrating Radar, GPR)가 대안으로 활용될 수 있으며, 포장층?콘크리트 경계와 철근 반사 신호를 탐지하여 포장두께와 피복두께를 연속적으로 평가할 수 있다. 그러나 대규모 GPR 자료를 수작업으로 해석하는 데는 많은 시간과 인력이 소요되어 효율성이 저하된다. 이 연구에서는 이러한 문제를 해결하기 위해 이미지 처리에 강점을 가진 딥러닝(Deep Learning) 기반 자동 해석 기법을 적용하였다. 교량 바닥판 GPR 현장 자료를 대상으로 전처리와 라벨링(Labeling)을 수행한 후, 딥러닝 모델을 학습시켜 포장 경계와 상부철근 신호를 각각 검출하였으며, 검출된 결과에 왕복 주시 시간과 고정된 유전상수(아스팔트 = 4, 콘크리트 = 9)를 적용하여 포장두께와 피복두께를 정량적으로 산정하였다. 해석 결과, 제안된 기법은 수작업 해석 대비 효율성이 향상되었으며, 설계 기준치 및 코어 채취 결과와도 양호한 일치를 보였다.