본 연구는 수직 벽체형 콘크리트 구조물의 정밀안전진단을 위한 외관조사시 고품질 정밀영상을 자동화된 방식으로 획득하여 균열손상을 탐지하고 시설물의 상태를 평가하기 위하여 개발된 등벽드론 탑재형 균열진단 시스템에 대한 것이다. 본 논문에서는 영상기반 균열진단 시스템을 이용한 정밀영상 획득기술, 자동화된 영상처리 알고리즘을 이용한 데이터 처리 기법을 제시하였으며, 실험적으로 도출된 지상표본거리를 기반으로 영상처리 자동화 알고리즘을 이용하여 생성된 균열모사 시험벽체의 평면전개 이미지 상 균열손상의 위치 정확도를 평가 분석하였다. 평가분석 결과, 가로축 길이 대비 최대 1.1%, 세로축 길이 대 비 최대 1.4%의 오차율을 보이는 것으로 나타났다. 제안된 영상 내 픽셀 좌표와 지상표본거리를 기반으로 균열손상의 위치를 추정하는 기법은 실측 좌표 대비 평균 1.0% 이하의 위치 오차를 가지는 것으로 평가되었다. 최종적으로 영상기반 진단과 긴급 보수와 같은 일반적인 시설물의 유지관리에 요구되는 위치 정확도를 확보하고 있는 것으로 분석되었다.

본 논문은 대형 시설물의 점검 및 진단을 위한 외관조사시 영상기반 스캐닝 시스템의 성능 및 정확도를 정량적으로 평가하기 위한 것으로, 도로터널, 철도터널, 지하철과 같은 대형 터널 시설물의 복공 라이닝을 대상으로 영상기반 스캐닝 분석 결과, 균열, 박리, 박락, 철근노출 등 각종 손상의 검출 성능과 정확도를 육안조사, 터널 스캐닝 분석 후 확인조사 데이터를 이용하여 비교 분석하였다. 제안된 터널 스캐닝 시스템의 균열손상 검출성능은 육안조사 분석결과 대비 개소 수 및 면적물량에 있어 월등히 우수함을 확인하였으며, 균열손상 증감을 고려한 균열손상은 현장 확인조사 결과 95%이상의 검출 정확도를 확보하고 있는 것으로 평가되었다.

본 연구는 내리막 달리기(downhill running, DR) 후 초음파 영상분석을 이용해 대퇴사두근 무리 (quadriceps group, QG) 내 근손상의 국소화 여부를 검증하고, DR 동안 운동 강도가 운동유발성 근손상 (exercise-induced muscle damage, EIMD) 및 근육 반향세기 변화에 미치는 영향을 규명하려는 목적으로 수행되었다. 규칙적인 신체활동이 없는 건강한 남성 11명이 무작위 교차설계에 따라 서로 다른 강도 [low-intensity DR session(50%HRmax), LDR; high-intensity DR session(70%HRmax), HDR]의 DR 운동을 수행하였다. DR 후 EIMD의 심각성은 혈청크레아틴 키나아제(creatine kinase, CK) 활성 수준 변화와 함께 신경근 기능 지수로서 무릎 신전근의 최대 수의적 등척성 수축(maximal voluntary isometric contraction, MVIC) 및 관절가동범위(range of motion, ROM) 변화를 통해 결정되었다. 회색조 분석을 적용한 근육 반향세 기 평가는 DR에 따른 QG 내 국소 근육별(rectus femoris, RF; vastus lateralis, VL; vastus medialis, VM; vastus intermedius, VI) 손상 양상을 탐지하기 위해 활용되었다. 모든 세션에서 혈청 CK 활성 수준과 VL 및 VM의 근통증 정도는 운동 후 24시간째(RF의 경우 각각 LDR 24시간째와 HDR 48시간째) 최대에 이르렀으며, 혈청 CK 수준에서 운동 강도에 따른 유의한 차이(p<.05)가 나타난 반면 근통증에서 세션 간 통계적 차이는 없었다. 무릎 관절을 이용한 MVIC 및 ROM과 같은 신경근 기능 지표 및 VM을 제외한 모든 QG 근육 반향세기는 운동 직후 극적으로 감소 또는 증가 후 72시간까지 점진적 회복 양상을 나타내었다. 그러나 신경근 기능 지표에서 운동 강도에 따른 통계적 차이는 없었으나 RF 및 VL 반향세기에서 세션 내 및 세션 간 유의한 차이(p<.01)를 나타내었다. 본 연구의 결과로 ECC를 함유한 DR 운동 시 운동 강도는 DOMS 및 신경근 기능 지표에 부분적으로 영향을 미칠 가능성이 있으며, 특히 혈청 CK 수준과 함께 RF 및 VL의 근육 반향세기는 운동 강도의 영향을 직접적으로 반영한다는 사실을 알 수 있다. 또한, 현재 연구결과는 DR동안 ECC를 겪는 QG 내 국소 근육 간 근손상 정도가 다를 수 있으며 초음파 근육 반향세기가 국소 근육의 EIMD 심각성을 차별화할 수 있는 유용한 평가기법임을 뒷받침하고 있다.

본 연구에서는 영상기반 딥러닝 및 이미지 프로세싱 기법을 이용한 볼트풀림 손상검출 기법을 제안하였다. 이를 위해 먼저, 딥러닝 및 이미지 프로세싱 기반 볼트풀림 검출 기법을 설계하였다. 영상기반 볼트풀림 검출 기법은 볼트 이미지 검출 과정 및 볼트풀림 각도 추정 과정으로 구성된다. 볼트 이미지의 검출을 위하여 RCNN기반 딥러닝 알고리즘을 이용하였다. 영상의 원근왜곡 교정을 위해 호모그래피 개념을 이용하였으며 볼트풀림 각도를 추정을 위하여 Hough 변환을 이용하였다. 다음으로 제안된 기법의 성능을 검증을 위하여 거더의 볼트 연결부 모형을 대상으로 볼트풀림 손상검출 실험을 수행하였다. 다양한 원근 왜곡 조건에 대하여 RCNN 기반 볼트 검출기와 Hough 변환 기반 볼트풀림 각도 추정기의 성능을 검토하였다.

In this study, we studied the damage area detection of the composite tension specimens under fatigue loading by using image processing techniques. The aim of this study is to detect the area of the damage region on the basis of original image. Basically we have used Matlab program. This study analyzed a total of six specimens under cyclic loading and the results using a user algorithm and analysis procedures of step 7. The damaged area was well detected except 3,000 cyclic loading. Accuracy of damage area detection is determined to be excellent by 83.3%(5/6). In general, however, in order to automatically detect the damaged area must develop an algorithm for setting the number of multi-threshold automatically. This is to perform the studies in the future.

In this paper, we study the calculation for the damage area of the tension specimens using image processing techniques. This study was able to calculate the area of the damage region on the basis of original image. Generally, to extract the area in the original image, we have to use opening operation, close operation, the Hit-or-Miss operation and bottom hat filter, top hat filter, etc. In particular, to extract the area of the composite specimen discussed in this study, we have to use the combination of the operations and filters because it is non-isotropic material, or should develop a new algorithm based on it.

Recently, there have been many studies to classify the image-based damage of bridge using the deep learning and to evaluate the condition. These attempts are one of the ways to overcome limitations of visual inspection through inspectors, and it is also aimed to reduce the cost of necessary maintenance budget by enabling accurate and rapid damage assessment of rapidly growing old facilities and difficult parts of visual inspection. However, it is possible to classify and quantitatively express simple damage (one damage classification such as cracks) with image information (big data) of bridges, but classification and quantification of complex damage can be done by using one deep learning is a limit. Therefore, this study presents considerations and a method to be used for damage detection on the image basis using deep learning.

This paper presents the applicability and reliability of the crack detection technique of concrete structures developed based on the use of digital image analysis technologies through on - site tests. The problem of aging of infrastructure is a serious threat to the national and national security and there is a growing interest in the development and application of effective inspection and maintenance techniques for related infrastructure. Therefore, instead of the existing traditional manpower-based infrastructure inspection and maintenance techniques, which involve lots of time and money consumption and reliability of results, research using digital image analysis technology is actively being carried out.

This paper proposes real-time image-based damage detection method for concrete structures using deep learning. The proposed method is composed of three steps: (1) collection of a large volume of images containing damage information from internet, (2) development of a deep learning model (i.e., convolutional neural network (CNN)) using collected images, and (3) automatic selection of damage images using the trained deep learning model. The whole procedure of the proposed method has been applied to some figures taken in a real structure. This method is expected to facilitate the regular inspection and speed up the assessment of detailed damage distribution the without losing accuracy.

We designed and implemented automatic pavement damage detector using an image processing algorithm on driving condition. The experimental results show that the detector is able to successfully monitor and detect pavement damages

We designed and implemented automatic pavement damage detector using an image processing algorithm on driving condition. The experimental results show that the detector is able to successfully monitor and detect pavement damages.

A noncontact nondestructive testing(NDT) method is proposed to detect the damage of plate-like structures and to identify the location of the damage. To achieve this goal, a scanning laser source actuation technique is utilized to generate a guided wave and scans a specific area to find damage location more precisely. The ND: YAG pulsed laser is used to generate Lamb wave and a piezoelectric sensor are installed to measure the structural responses. The measured responses are analyzed using 3 dimensional Fourier transformation. The damage-sensitive features are extracted by wavenumber filtering based on the 3D FT. Then, flaw imaging techniques of a plate-like structure is conducted using the damage-sensitive features. Finally, the plates with notches are investigated to verify the effectiveness and the robustness of the proposed NDT approach.

In this study, an MFL(Magnetic Flux Leakage)-based NDT(non-destructive test) method was applied to detect the inner damages of steel cable. A steel cable bunch specimen with several types of inner damage was fabricated and scanned by a MFL sensor head to measure the magnetic flux density of the specimen.the measured magnetic flux signal was visualized into a 3D MFL image for convenient cable monitoring. Finally, the results were compared with information on actual inflicted damages to confirm the accuracy and effectiveness of the proposed cable monitoring method.

Since cable members are the major structural components in cable bridges, they should be properly inspected for surface damage as well as inside defects such as corrosion and/or breakage of wires. Starting from August 2010, a new research project supported by Korea Ministry of Land, Transportation Maritime Affairs (MLTM) was initiated to develop the cable inspection robot. In this study, only the vision-based surface damage detection system based on image processing techniques is addressed. The damage detection algorithm combines some image enhancement techniques with principal component analysis (PCA) to detect damages on cable surface. The images from three cameras attached to the cable climbing robot are wirelessly transmitted to the server computer at the cable support. They are processed with image enhancement method together with noise removal technique to improve overall image quality. Then they are projected into PCA sub-space. Finally, the Mahalanobis square distances of the projected images to all sample patterns are calculated. The smallest distance is found to be the match for the input image. The proposed damage detection algorithm was verified through laboratory tests on three types of cables.