포장상태 평가를 위한 노면영상 촬영은 라인스캔 방식이 주를 이루고 있다. 라인스캔 특성 상, 조사환경이나 장비특성이 달라질 경 우 밝기가 상이한 노면영상을 취득할 수 있고 이는 U-net과 같은 픽셀 단위 segmentation 딥러닝 모델의 균열 자동검출 성능에 영향을 미친다. 본 연구에서는 인공지능 검출 모델의 변경 없이 영상의 밝기 최적화와 morphology 연산기법을 노면영상 전·후처리 방법으로 제시하고 그 효과를 분석하였다. 영상 처리를 통해 과다 검출경향을 보인 이상치들이 제거되었으며 정답으로 간주할 수 있는 전문요 원 분석결과인 GT 균열률과의 상관성 또한 향상됨을 확인하였다.

선진국의 기본 요건들 중 하나는 잘 정비된 교통인프라라 할 수 있을 것이다. 이러한 교통안전시설에 대해 해외에서는 각종 교통안전시설에 대해 객관적인 상태평가를 기초로 하여 시설을 관리하는 자산관리(Asset Management)측면에서 시설을 관리하고 있는 추세이다. 이 중 도로관련 각종 안전시설은 매우 다양하며, 기능 또한 매우 중요하기 때문에 이들에 대한 설치 규정 및 지침을 제정하고 있다. 그러나 설치기준 및 지침이 있음에도 불구하고, 각 시설이 기준에 부합되게 설치되지 않아 오히려 도로이용자에게 불편함 뿐 아니라, 안전에도 악영향을 끼치고 있다. 본 연구에서는 다양한 도로안전시설 중 도로의 설계(운영)속도 및 기하구조에 따라 설치 간격 및 높이들이 규정화 되어있는 시설에 대해 라인스캔카메라를 이용, 이를 신속하게 측정 가능한 영상분석 모델을 개발하였다. 또한 이를 체계적으로 분석할 수 있는 프로그램을 개발하여 현장에 적용하였으며, 그 결과 매우 정확하게 시설의 크기와 설치간격을 신속하게 측정할 수 있었다.