상수관로의 노후화는 수질 안전성 저하와 수자원 손실, 유지보수 비용 증가 등의 문제를 야기하며, 이에 따라 지중 매설관의 상태를 신속하고 정확하게 진단할 수 있는 기술의 중요성이 커지고 있다. 특히 내시경 영상을 활용한 관로 점검은 가장 보편적인 방식으로 자리 잡았으나, 판독자의 숙련도에 따라 해석 편차가 발생하고, 대량 데이터의 신속한 처리에는 한계가 있다. 이러한 배경에서 본 연구는 관종⋅관경⋅용도 등 상수관 메타데이터를 모델에 통합하고, 관로 내 결함의 존재 여부와 유형, 크기를 동시에 예측할 수 있는 다중과제 학습(Multi-task Learning) 기반 인공지능 모델을 제안한다. 제안한 모델은 두 개의 예측 헤드를 통해 결함 판별과 정량적 분류를 병행하도록 설계되었으며, SHAP 기반 분석을 통해 모델의 판단 근거가 상수관로의 실제 결함 특성과 일치함을 확인하였다. 이러한 접근은 수작업 판독의 부담을 경감하고, 관로 상태 기록의 표준화 및 정량화를 통해 예방 중심의 유지관리 전략 수립을 효과적으로 지원할 수 있다.

The deterioration of water distribution pipelines causes problems such as the decline of water quality safety, the loss of water resources, and the increase of maintenance costs, highlighting the growing importance of technologies capable of rapidly and accurately assessing the condition of buried pipelines. In particular, endoscopic inspection of pipelines has become the most widely adopted approach, but interpretation differences occur depending on the inspector’s level of expertise, and there are limitations in the rapid processing of large-scale data. Against this backdrop, this study proposes a multi-task learning (MTL)-based artificial intelligence model that integrates water pipe-specific metadata (pipe material, diameter, and usage type) and is capable of simultaneously predicting the presence, type, and size of internal pipeline defects. The proposed model employs two prediction heads to jointly perform defect identification and quantitative classification, and SHAP-based analysis confirms that the model’s decision-making rationale aligns with actual defect characteristics observed in water distribution pipelines. This approach can reduce the burden of manual interpretation and effectively support the establishment of preventive maintenance strategies through the standardization and quantification of pipeline condition records.

요약문
ABSTRACT
1. 서 론
2. 연구방법
    2.1 상수관로 내부 결함 데이터
    2.2 상수관로 내부 결함 유형 및 크기 판독을 위한다중과제 학습(Multi-task Learning) 모델
    2.3 모델 성능 평가 지표
    2.4 SHAP 기반 변수중요도 분석
3. 연구결과
    3.1 상수도관 내부 결함 데이터의 분포 및 특성
    3.2 상수도관 내부 결함 판독 모델 개발 결과
4. 결 론
사 사
References

• 윤석진(서울시립대학교 환경공학과) | Seok-Jin Yoon (Department of Environmental Engineering, University of Seoul)
• 오유진(서울시립대학교 환경공학과) | Yoo-Jin Oh (Department of Environmental Engineering, University of Seoul)
• 박해금(서울시립대학교 환경공학과) | Hae-Keum Park (Department of Environmental Engineering, University of Seoul)
• 이슬기(서울시립대학교 환경공학과) | Seul-Gi Yi (Department of Environmental Engineering, University of Seoul)
• 구자용(서울시립대학교 환경공학과) | Ja-Yong Koo (Department of Environmental Engineering, University of Seoul) Corresponding author