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.

신안군 해역의 섬을 통한 관광사업이 활발해지면서 도서 간을 연결하는 해상교량은 현재까지 총 13개가 완공되었다. 그러나 통항로에 설치된 해상교량은 선박통항에 있어 위험성을 주며, 특히 섬과 섬을 연결하는 연도교의 경우 수로의 폭이 매우 좁아 그 위험도 는 더욱 높다. 본 연구는 신안군 해역의 연도교에 대한 해상교통조사를 토대로 교각과 선박의 충돌위험도를 항만수로의 위험도 평가 모 델인 IWRAP(IALA Waterway Risk Assessment Program)을 활용하여 평가하였다. 그 결과 신안1교가 충돌확률이 가장 높은 것으로 분석되었으 며, 통항선박의 대부분은 연안 여객선으로 나타났다. 또한, 신안1교는 대상해역의 교각 중 가장 충돌사고가 많이 발생한 곳으로 본 연구 에서는 그 원인을 분석하고자 하였다. 신안1교 해역환경의 위성사진을 영상처리기법으로 분석한 결과 해도에는 볼 수 없는 장애물이 교 량 근처에 존재하는 것을 확인할 수 있었다. 이로 인해 장애물을 피해 교량의 통항유도방식인 양방향 통항과 달리 한 방향으로 통항이 집 중되는 것을 알 수 있었다. 본 연구의 영상처리기법을 활용한 위험원인 분석방법은 향후 연도교의 위험요인 분석을 하는데 기초자료로 활용될 수 있을 것으로 기대된다.

우리나라는 여러 건의 여객선 사고를 겪으면서, 여객선 안전관리를 위해 다양한 제도를 운영하고 있다. 2021년 기준 우리나라 연안을 운항하는 여객선 162척 중, 차량갑판이 개방된 형태의 차도선이 105척(65 %)을 차지하고 있다. 차도선은 2～4개의 섬을 경유하는 운항 패턴을 가지고 있다. 출항지(모항)에서 안전점검은 선원과 운항관리실의 운항감독관, 해사안전감독관에 의해 실시된다. 경유지에서 의 안전점검은 자체점검이 실시되는 경우가 있다. 여느 제도와 마찬가지로 제도적, 현실적 한계 등이 있다. 이를 위해 영상처리기법을 활 용하여 차량을 검출하고 이를 선박 복원성 계산과 연동하는 방안을 제안하고자 본 연구를 수행하였다. 차량 검출을 위해 차영상을 이용 하는 방법과 기계학습을 이용하는 방법을 사용하였다. 검출된 데이터를 선박 복원성 계산에 활용하였다. 기계학습을 통해 차량을 검출하 는 경우, 차영상에 의한 차량 검출 방법보다 차량 식별에 안정적임을 알 수 있었다. 다만, 카메라가 일몰과 같은 상황에서 역광을 받는 경 우와 야간과 같은 상황에서 부두와 선박 내부의 강한 조명에 의해 차량이 식별되지 않는 한계가 있었다. 안정적인 영상처리를 위해 충분 한 영상 데이터 확보와 프로그램 고도화가 필요해 보인다.

This paper introduces a digital image processing(DIP) method as a method for measuring the displacement of pylon. The comparison of DIP results and ANSYS analysis results verified the validity of the image processing technique. Normalized cross-correlation(NCC) coefficient was used and experiments were performed three times. It shows that the displacement difference was 22% and 5% compared to ANSYS results. Therefore, the image processing method is expected to be able to measure the displacement of pylon sufficiently.

본 연구에서는 동북아시아 NOAA AVHRR 위성관측 16년간(1990-2005) 해양표면 수온영상을 이용하여 에러 값 제거와 결측 자료 보완을 위하여 마르코프 계수를 결정하였고, 이 값에서 현재 수온평년 값을 더하여 구름 없는 해양표면수온 생성 기법을 제시하였다. 마르코프 연쇄 모델의 결과에 의하면, 마르코프 계수는 해류가 강한 쿠로시오 해역 등이 해류가 약한 동해 북서부의 대부분 해역과 동중국해보다 그 계수가 상대적으로 낮게 나타났다. 평균 수온의 변동은 봄과 가을이 겨울과 여름에 비하여 분산이 크게 나타났고, 계절별 일간 수온 차이도 수온의 계절적 변동이 큰 봄과 가을이 여름과 겨울에 비하여 큰 지역적인 차이를 보였다. 그 지역적인 분포는 봄과 가을의 경우 전 해역의 대륙 인접부에서 대부분 크게 나타났고, 동해 극전선 남부해역과 쿠로시오해역에서는 난류에 의한 열수송으로 일간 수온의 차이가 작았다.

본 연구에서는 NOAA 위성관측 수온영상을 이용하여 여기에 포함된 에러 값 제거와 결측 자료를 보완하기 위하여 16년간 (1990-2005) 자료를 이용하여 마르코프 계수를 결정하였고, 이 값에서 오늘의 수온평년 값을 더하여 구름 없는 해양표면수온 생성 기법을 제시 하였다. 마르코프 모델의 결과에 의하면, 마르코프 계수는 해류가 강한 쿠로시오 해역 등이 해류가 약한 동해 북서부의 대부분 해역과 동중국해 보다 그 계수가 상대적으로 높게 나타났다. 평균 수온의 변동은 봄과 가을이 겨울과 여름에 비하여 분산이 크게 나타났고, 계절별 일간 수온 차 이도 수온의 계절적 변동이 큰 봄과 가을이 여름과 겨울에 비하여 큰 지역적인 차이를 보였다. 그 지역적인 분포는 봄과 가을의 경우 전 해역의 대륙 인접부에서 대부분 크게 나타났고, 동해 극전선 남부해역과 쿠로시오해역에서는 난류에 의한 열수송으로 일간 수온의 차이가 작았다.

This paper described the effect of subjective approach in case of the human sensibility experiments. The procedure is proceeded subjectively. Human faces are selected as the image presentation media. Pleasant and unpleasant images are selected directly by examiner, And also the image presentation system, which is executed with a computer and has the square-type black box monitor equipment, is manufactured. Images are presented with the step-variation time interval technique. questionnaire test and EEG signal detection data are analyzed. The analysis parameters are a “frequency band integral value” and a “band differential variation ratio”. he results show the high sensibility and fast response. The fact that image presenting repetition alleviates is verified.

콘크리트 구조물의 균열은 재료의 성질, 시공방법, 환경 및 외력, 설계 등 많은 요인으로 인해 발생한다. 균열은 구조물에 치명적인 손실을 초래할 수 있다. 따라서 콘크리트 구조물의 균열을 조사하는 것은 검사 과정 중 중요한 평가로 인지되어 지고 있다. 그러나 과거 균열을 측정 및 평가하는 방법에 대해 신뢰성을 가진 측정 방법이 없어 균열 조사에 대해 경험이 있는 특정 조사자가 육안으로 균열을 확인하였다. 이는 비용, 시간, 정확도 및 안전성 측면에서 비효율적이다. 따라서 본 연구에서는 영상 처리 기법의 라플라시안 필터를 이용하여 구조물의 최대 균열 폭을 평가하는 방법을 제안하고자 하였다.

케이블지지교량에서 케이블은 하중을 지지하는 주요 부재로, 케이블 장력은 교량의 건전성과 안전도 평가에 있어서 매우 중요한 변수이다. 케이블의 장력을 추정하는 기법으로, 로드셀 및 유압잭 등을 이용하여 케이블의 응력을 직접 측정하는 직접법과 케이블의 형상조건과 계측된 동특성을 활용하여 장력을 역산하는 진동법이 가장 많이 활용되고 있다. 최근 들어 케이블 내부 강재의 응력변화로 인하여 유발되는 자기장 변화를 탐지하는 EM 센서의 연구 및 활용이 증가하고 있다. 본 연구에서는 리프트오프 테스트, EM 센서 및 진동법(Vision-based System, Accelerometer)을 적용하여 장력을 측정하고 그 결과를 비교 분석하였다.

In this study, the image processing technique referred as night vision was introduced in order to measure the displacement of structure during the nighttime. The validation of the reliability and the applicability of proposed method was evaluated by the scaled model test.

In this paper, we propose an image-based measurement method of structure dynamic characteristics to assess the damage of structure in a more cost-effective way than traditional structure health monitoring system.

자갈 이상의 조립질 재료로 이루어진 하천의 하상 재료 입도분석은 많은 노력과 경비를 소요하는 일이기 때문에, 적절히 분석되지 못하고 있는 것이 현실이다. 본 연구의 목적은 자갈 이상의 조립질 재료로 이루어진 하상의 입도 분포를 영상 처리를 통하여 분석하는 기법을 개발하는 것이다. 전체 개발 과정은 개별 입자의 영상 정보 분석과정과 하상 영상에서 입자를 분석하는 두 과정으로 이루어졌다. 먼저 개별 입자들의 영상에 나타난 평면 특성(장축, 중간축, 면적 등)이 실제 입자와 어떤 관계를 가지는지 분석하였다. 이를 위하여, 대종천, 밀양강, 형산강의 3개 하천에서 420개의 자갈 시료를 채취한 뒤, 각 입자의 버니어캘리퍼스로 장축, 중간축, 단축의 길이를 측정하고, 저울로 중량을 측정하였다. 채취된 입자를 개별적으로 영상으로 찍은 후, 영상에서 장축과 중간축, 면적을 계측하는 프로그램을 개발하였다. 개발된 프로그램을 이용한 영상 정보와 실제 측정한 자료를 비교하였다. 입자의 개별 측정 결과 자갈 하천의 하상 재료의 형상계수는 0.51~0.59 이었다. 이는 모래 하상의 0.7, 자갈 하천이 이보다 약간 작다는 통상적으로 알려져 있는 지식과 부합하였다. 또한, 하천에 따라 형상 계수는 약간의 차이를 보이기 때문에 일괄적으로 통일된 값을 적용하기는 어려울 것으로 보인다. 한편, 자갈의 중량은 장축이나 중간축보다는 면적과의 상관성이 더 높다. 이 자료의 결과를 이용하여 영상 분석에서 나온 면적을 입자의 중량과 공칭직경으로 환산하는 방법을 제시하였다. 두 번째 과정으로 ImageJ 프로그램을 이용하여 대종천, 밀양강, 형산강의 하상 영상에 적용하여 자갈입자의 면적을 분석하고 이를 입도분포 곡선으로 환산하였다. 영상 분석에서 구한 입도분포를 시료를 채취하여 실측한 자료와 비교한 결과는 매우 타당한 결과를 보였다.

영상처리기법(Visible 카메라)을 이용하여 A지역 열차 차량의 주행륜, 안내륜 및 집전슈의 거동상태와 차량의 전 궤도 주행에 대한 주행특성(상하, 좌우 변위)을 30Hz로 측정하여 모노레일 구조물의 노면상태를 평가하고자 한다. 열차 차량의 운행에 따른 상하, 좌우 거동상태, 안내륜 및 가이드레일의 거동상태, 주행륜 및 주행면의 거동상태, 주행륜 및 주행면의 거동상태 및 전차선 및 집전슈의 거동상태를 측정하여 정량적인 데이터를 도출하고자 한다. 차량의 주요 측정지점 7개소에 대해 고해상도 Visible카메라를 장착하여 약 6km구간을 주행시간 동안 1회 측정하고, 녹화된 영상데이터를 분석하였다.