In this study, a novel method based on ground penetration radar (GPR) is proposed to categorize underground objects by using both B-scan and C-scan images. Three-dimensional GPR data obtained from a multichannel GPR system are reconstructed into a two-dimensional (2D) grid image which consists of several B-scan and C-scan images. Three-dimensional shape information of an underground object can be well represented in 2D grid image. The 2D grid images are then trained using deep convolutional neural networks (CNN) that is a state-of-the-art technique for image classification problem. The proposed method is validated through field applications on urban roads in Seoul, South Korea.

Fiber-Reinforced Cementitious Composites (FRCCs)는 시멘트 복합체에 혼입한 전도성 섬유로 인해 전기 전도성을 가진다. 이러한 특성은 전기적 응답 계측을 통하여 별도의 센서 설치가 필요 없는 구조물의 균열 모니터링을 가능하게 한다. 하지만 전기적 응답은 균열 발생뿐 만 아니라 온도의 변화에도 민감하게 변화하기 때문에 온도 요인은 전기적 응답 계측을 통한 균열 탐지를 방해하는 요소로 작용할 수 있다. 더욱이 전기적 응답을 측정하기 위한 탐침의 개수가 증가 할수록 원하지 않은 접촉 노이즈가 발생하기 때문에 이 논문에서는 탐침의 개수를 줄이기 위해 자체적인 자가센싱 임피던스 회로를 설계하였다. FRCC의 균열 발생과 온도 변화가 임피던스에 미치는 영향성은 자가센싱 임피던스 회로를 이용해 실험적으로 측정되었으며, 실험 결과, 임피던스 응답은 균열 발생보다 온도 변화에 더 민감하게 변화됨을 알 수 있었다.

강섬유 보강 자기충전 콘크리트(Steel Fiber Reinforced Self-Compacting Concrete, SFRSCC)는 사회기반 시설이나 초고층 빌딩, 원자력 발전 시설, 병원, 댐, 수로 등 전반적으로 널리 사용되어지고 있는 재료이다. SFRSCC는 짧고, 개별적인 보강 섬유로 인해 일반적인 자기충전 콘크리트(Self-Compacting Concrete, SCC) 보다 인장 강도, 연성, 휨 강성 등에서 뛰어난 성능을 보인다. 하지만 SFRSCC의 이러한 성능은 섬유의 방향성에 의해 크게 좌우되는 경향이 있다. 짧고 개별적인 섬유들은 타설 과정에서 섬유의 방향성을 컨트롤 할 수 없기 때문에 무분별하게 콘크리트 내에 위치하게 된다. 섬유의 방향이 제어되지 않은 상태에서 콘크리트의 경화가 진행될 경우 휨 강성과 인장 강도의 저하를 야기하고, 이는 예상 강도 미달의 원인이 될 수 있기 때문에 SFRSCC를 사용할 때 섬유의 정렬은 중요한 요소가 된다. 따라서 본 연구에서는 유한 요소법을 사용하여 타설 공정 중 콘크리트 매트리스의 점도 및 입구 속도가 섬유 방향에 미치는 영향에 대해 분석하였다.