경량 골재 콘크리트는 높은 다공성을 지닌 골재를 사용하여 제작되며, 이는 재료의 역학적 성질 및 내구성에 중대한 영향을 미친 다. 최근 콘크리트 분야에서는 내부 공극 구조를 비파괴적으로 분석할 수 있는 기술로서 micro-computed tomography(micro-CT)의 활 용이 활발히 이루어지고 있으며, 특히 경량 골재 콘크리트의 공극 구조를 정밀하게 포착하는 데 효과적인 것으로 나타났다. 그러나 경 량골재는 이질적인 밀도 분포와 내부 다공성으로 인해 영상 내 분할 과정에서 어려움을 유발하며, 이로 인해 골재가 공극으로 잘못 인 식되거나 경계가 명확히 구분되지 않는 문제가 발생할 수 있다. 이러한 한계를 극복하기 위해 본 연구에서는 경량 골재 콘크리트의 micro-CT 영상에서 골재를 정밀하게 식별할 수 있도록 고안된 향상된 분할 알고리즘을 제안하였다. 제안된 알고리즘의 성능은 기존 의 세분화 방법과의 비교 분석을 통해 평가되었으며, 더불어 제안 방식과 기존 방식 각각으로 생성된 3차원 micro-CT 데이터를 활용 하여 열전도도 시뮬레이션을 수행하였다. 그 결과, 제안된 알고리즘은 공극 및 골재 경계의 정확한 식별에 있어 기존 기법보다 향상된 정확도를 보였으며, 이는 LWAC의 미세구조 분석 및 거동 예측 모델링의 정밀도를 높이는 데 기여할 수 있는 가능성을 보여준다.

이미지 분석을 통한 재료의 상 구분은 재료의 미세구조 분석을 위해 필수적이다. 이미지 분석에 주로 사용되는 마이크로-CT 이미 지는 대체로 재료를 구성하고 있는 상에 따라 회색조 값이 다르게 나타나므로 이미지의 회색조 값 비교를 통해 상을 구분한다. 순환골 재의 고체상은 수화된 시멘트풀과 천연골재로 구분되는데, 시멘트풀과 천연골재는 CT이미지 상에서 유사한 회색조 분포를 보여 상 을 구분하기 어렵다. 본 연구에서는 Unet-VGG16 네트워크를 활용하여 순환골재 CT 이미지로부터 천연골재를 분할하는 자동화 방법 을 제안하였다. 딥러닝 네트워크를 활용하여 2차원 순환골재 CT 이미지로부터 천연골재 영역을 분할하는 방법과 이를 3차원으로 적 층하여 3차원 천연골재 이미지를 얻는 방법을 제시하였다. 선별된 3차원 천연골재 이미지에서 각각의 골재 입자를 분할하기 위해 이 미지 필터링을 사용하였다. 골재 영역 분할 성능을 정확도, 정밀도, 재현율 F1 스코어를 통해 검증하였다.