딥러닝 기반 의미론적 분할을 통한 위상배열 초음파 검사 단면 영상에서의 콘크리트 내부 반사 패턴 식별

초록

본 연구에서는 철근 콘크리트 슬래브 실험체에서 획득한 위상배열 초음파 검사(phased array ultrasonic testing, PAUT) 기반 깊이 방향 단면 영상을 대상으로 콘크리트 내부 반사 패턴을 픽셀 단위로 동시 분할하기 위한 딥러닝 기반 의미론적 분할 기법을 제안하였다. PAUT 단면 영상에서 결함, 철근 및 하부 경계면 반사를 분할 대상으로 정의하고, 픽셀 단위 라벨링을 통해 다중 클래스 정답 데이터셋을 구축하였다. 이를 기반으로 U-Net 구조의 분할 모델을 학습하였으며, 손실함수 구성 및 학습 조건에 따른 성능을 5-fold 교차검증을 통해 비교·분석하였다. 실험 결과, Dice loss와 Weighted Cross-Entropy를 결합한 손실함수에서 가장 높은 성능을 나타냈으며, 테스트 데이터셋에서 배경 클래스를 제외한 평균 Dice 계수 0.781을 달성하였다. 클래스별 분석 결과, 결함과 하부 경계면 반사는 안정적인 분할 성능을 보인 반면 철근 반사는 상대적으로 높은 분할 난이도를 나타냈다. 본 연구는 철근 콘크리트 슬래브 실험체를 대상으로 PAUT 단면 영상에서 콘크리트 내부 반사 패턴의 픽셀 단위 자동 분할 적용 가능성을 확인하였다.

키워드