본 연구는 딥러닝 기술을 활용하여 공동주택 외벽의 균열 탐지를 효과적으로 하기 위한 다양한 데이터 전처리 방법을 비교 분석하 였다. 특히, 표준 균열 데이터셋에 일반적으로 나타나지 않는 오탐균열을 식별하는 데 중점을 두고 있다. 이 연구는 탐지 정확도를 최 적화하기 위해 여러 이미지 전처리 기법을 적용한 결과를 비교한다. 객체 탐지를 위한 엣지 필터링과 RGB 색 필터 등을 이용한 색상 정규화를 결합한 방법을 집중적으로 검증하였다. 이러한 기술들은 실제 균열과 오탐균열을 구분하기 위해 적용되었으며, 이들의 탐 지 성능에 미치는 영향을 철저히 조사하였다. 효율적인 균열 탐지 모델을 찾기 위해 EfficientNet V2s 기반 모델을 적용하였다. RGB, YUV, LAB, HSV 네 가지 이미지 필터가 원본 이미지와 CLAHE 정규화된 이미지에 적용되었는데, 그 결과 단색 콘크리트 균열 탐지 에 효과적인 전통적인 정규화 방법이 공동주택 외벽 균열 탐지에는 제한적인 효과를 보인다는 것을 확인하였다. 또한, 단일 색 필터의 적용이 일관된 탐지 결과 개선 효과를 주지 않는다는 것을 밝혔다. 결국, 본 연구를 통해 다양한 이미지 정규화와 색 필터 조합의 균열 탐지 성능을 검증하였으며, 실제 균열과 오탐균열을 구분하는 탐지 성능 향상을 위해 추가적으로 다양한 접근의 연구가 필요하다는 것을 확인하였다.

본 연구에서는 도로교의 지진피해평가체계를 구축하기 위해 필요한 정보항목들을 정의하고 우리나라 실정에 맞는 데이터 베이스 구축방법을 제시하였다. 도로교 지진피해평가를 위한 정보요소는 크게 구조물 관련 정보와 위치관련 정보로 구분하였다. 구조물 관련정보는 도로망에 위치한 교량의 지진피해를 예측하는데 필요한 도로교의 취약도 곡선 정보항목으로 구성하였다. 위치관련 정보항목인 도로망의 데이터구조는 상세한 교차로 모델링이 가능하도록 기존의 GIS 데이터구조를 보다 세분화하여 정의하였다. 고속도로망에 위치한 110개의 교량을 대상으로 시범 시스템을 개발하였으며, 제시된 데이터베이스 구축 방법은 도로망의 신속한 피해복구를 위한 의사결정 지원체계 구축에 효과적으로 활용이 가능함을 보였다.