Building Information Modeling (BIM) tools have not only increased the use of technology in the design process, but also increased the need for more information standard systems. The object classification system consists of 327 types of construction results obtained from 25 kinds of facilities, 174 types of parts, and 207 types of construction parts. In the previous study, the property classification system was developed into 4 major classifications, 13 middle classifications, 58 small classifications (category), and 333 attribution information of roads and rivers. It is extremely difficult to input the property information according to such extensive object classification. In addition, the development of external applications such as Revit plug-ins has created a need to automate specific and repetitive tasks. Therefore, following the BIM property classification system, an attribute input program was implemented for the system to enhance the productivity and convenience of the BIM users.

딥러닝 모델은 주어진 학습용 데이터에서 탐지하고자 하는 물체의 특징을 추출하기 때문에, 딥러닝 모델 학습을 위한 학습용 데이터 구축은 매우 중요하다. 본 연구에서는 균열을 탐지하는 딥러닝 모델의 성능을 향상시키기 위해, 실제 콘크리트 구조물이나 아스팔트 도로 표면에서 자주 발견될 수 있는 나뭇가지, 거미줄, 전선 등을 학습 데이터에 자동으로 포함시키고, negative 영역으로 분류하는 알고리즘을 개발하였다. 제안된 알고리즘을 사용하여 학습된 딥러닝 모델을 실제 도로 표면에 발생한 균열 탐지에 적용하여 실제 균열 탐지에 사용될 수 있음을 보였다.