국도 포장관리를 위한 CNN기반 패치/영역별 2단계 파손 형태 분류 및 심각도 산정 방법
A CNN-Based Two-step Pavement Road Distress Classification and Severity Calculation by Patch/Region for Korean National Road Management
- 주제(키워드) 포장도로 파손 , 도로파손 분류 , 도로파손 심각도 산정 , 도로파손 검출 , CNN , 이미지 프로세싱
- 발행기관 서강대학교 일반대학원
- 지도교수 낭종호
- 발행년도 2020
- 학위수여년월 2020. 2
- 학위명 석사
- 학과 및 전공 일반대학원 컴퓨터공학과
- UCI I804:11029-000000065058
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
Pavement should be maintained over time for road safety and an extension of a road’s life. For decades, there’s been a lot of effort to automate the pavement analysis, and most of the related studies that have been done so far have been mainly image processing-based analyses. Recently, the performance of deep learning-based computer vision has increased rapidly, and deep learning is being used a lot in areas to detect pavement distress. However, most of the previous studies were conducted on the classification of cracks in the pavement or segmentation of cracks pixel, and none of the studies were conducted to categorize various types of distress and calculate the severity of each distress. In this paper, for practical and objective pavement analysis, we propose a CNN-based pavement distress analysis system. The proposed method divides the road image into patch units, classifies the distress through the CNN-based two-stage classifier and segments the distress pixel. To calculate the severity of the distress, the classification results are grouped into areas by type of distress and the severity is calculated through the proposed severity calculation algorithm. The experimental data are based on Korean National Pavement Data in Gyeonggi Province, and the final 6 class classification result is 0.7751 based on the F1-score. Through the proposed system, road maintenance workers can maintain roads objectively and efficiently.
more초록/요약
포장도로는 시간에 지남에 따라 수명 연장과 도로 안전을 위해 유지보수를 해야 한다. 수십년 동안 포장도로 파손 분석을 자동화하기 위한 노력이 있었고, 현재까지 이루어진 대부분의 관련 연구는 이미지 프로세싱 기반 분석이 주를 이루고 있다. 최근 딥러닝 기반 컴퓨터 비전의 성능이 비약적으로 상승해 포장도로 파손 검출 영역에서도 딥러닝을 활용하려는 노력이 많이 보이고 있다. 하지만, 기존 연구는 포장도로의 균열의 형태 분류 혹은 픽셀단위 검출에 대한 실험이 대부분이고, 다양한 파손의 종류를 분류하고 각 파손의 심각도를 산정하는 연구는 진행된 바가 없다. 본 논문에서는 실용적이고 객관적인 포장도로 분석을 위해 CNN기반의 영역별 포장도로 파손 분석 시스템을 제안한다. 제안하는 방법은 파손의 형태를 분류하기위해 도로 이미지를 패치단위로 나누고 CNN기반 2단계 분류기를 통해 파손을 분류하고 픽셀단위 검출하며, 파손의 심각도를 산정하기 위해 분류결과를 파손의 형태별로 영역으로 묶고 영역별로 제안한 심각도 산정 알고리즘을 통해 심각도를 계산한다. 실험 데이터로는 경기도 국도 포장 데이터를 사용했으며, 최종 분류결과인 파손 6 Class 대해서 F1-score 기준 0.7751의 성능을 보인다. 제안한 시스템을 통해 포장도로 유지보수 실무자는 객관적이고 효율적인 도로 유지보수가 가능하다.
more