딥러닝을 활용한 UAV 기반 손상 정보 융합 그래픽 모델 생성 기법

초록

본 연구는 UAV 기반 딥러닝 손상 탐지, 정량화 및 위치 추적을 결합하여 손상 통합 그래픽 모델을 생성하는 방법을 제안한다. 제안된 프레임워크는 미세 조정된 YOLOv11 모델을 사용하여 균열, 박리⋅박락 및 철근 노출의 교량 손상 3종을 탐지한다. 탐지된 손상에 대해 균열은 픽셀 수준에서 길이와 폭을 정량화하고, 박리⋅박락과 철근 노출은 바운딩 박스를 기반으로 길이와 폭을 정량화한다. 탐지된 손상에 대해UAV 이미지와 그래픽 모델 간의 대응 관계를 설정하여 위치를 추적하며, 이를 통해 모델 내 해당 위치에서 손상을 시각화할 수 있다. 복잡하고계산량이 많은 기존의 BIM 기반 접근법과 비교하여, 제안된 방법은 직관적인 시각화와 즉각적인 손상 통합에서 장점을 제공하는 경량 그래픽모델을 활용한다. 이 접근법은 효율적인 교량 상태평가와 유지관리 의사결정을 지원하며, 특히 대규모 UAV 데이터셋과 통합될 때 더욱 유용하다.

키워드