산터널 건설의 얼굴(굴착면) 무료 슬롯에 딥러닝 적용

무료 슬롯(본사: 도쿄도 미나토구, 사장: Tatsu Shiraishi)은 AI 기술인 딥 러닝(*1)을 산 터널의 얼굴 평가에 적용했습니다

NATM(신오스트리아 터널 공법)은 일본의 산악 터널 건설 표준 공법입니다 숏크리트와 락볼트를 주요 지지재로 사용하는 공법으로, 암석 자체의 변형저항을 효과적으로 활용하여 굴착 후 적정 공간을 확보하는 공법입니다 지주 규모는 예비지질조사를 바탕으로 계획되나, 예비조사 결과에 한계가 있기 때문에 실제로 면의 강도, 풍화변형, 균열간격, 균열상태, 충격 및 침하, 용수량, 열화정도 등 7개 항목을 기준으로 무료 슬롯하고 그 결과에 따라 적절하게 계획을 수정하고 있습니다

1990년대 초부터 무료 슬롯은 얼굴 행동 측정에 드는 인력을 절약하고 분석 작업의 정교함을 향상시키기 위해 산악 터널 분야에서 이미지 처리 및 전문가 시스템(*2)과 같은 혁신적인 IT 기술을 활용해 왔습니다 그러나 실제 건설 현장에서는 이러한 기술을 적용하더라도 지질학 전문가가 아니면 결과를 종합적으로 평가하기 어려울 수 있으며, 평가에는 별도의 사내 전문부서가 판단을 내려야 하는 등 시간과 노력이 필요하다는 점이 문제이다

따라서 무료 슬롯은 딥 러닝을 사용하여 지질학 전문가와 동등한 평가가 가능한 얼굴 평가 시스템을 개발하고 있습니다 본 시스템은 얼굴 영상과 전문가의 평가 결과를 학습하여 지질 상태를 빠르고 고정밀도로 평가할 수 있으며, 지주를 보다 적절하게 설치하는 등 필요한 조치를 취함으로써 건설의 안전성과 경제성을 향상시키는 시스템입니다

현재 풍화 변화, 균열 간격, 균열 상태 등 7가지 무료 슬롯 항목 중 3가지에 대해 70개 건설 현장의 무료 슬롯를 기반으로 딥 러닝 훈련 데이터를 생성하고 있습니다 이 시스템은 MathWorks Japan(MathWorks LLC)과 협력하여 개발되었습니다

개발될 본 시스템의 특징은 다음과 같습니다

1. 면체를 즉시 세부적으로 무료 슬롯하여 건설 안전성과 경제성을 향상시킵니다
   

   과거에는 얼굴 영상을 상, 좌, 우 3개 영역으로 나누어 평균 무료 슬롯를 하였는데, 이 시스템을 사용하면 영상 영역을 227 x 227 픽셀로 세분화하여 개별 영역별로 얼굴 무료 슬롯가 가능합니다 촬영 시 화소 수에 따라 무료 슬롯를 500만 화소 약 70개 영역, 1,000만 화소 약 130개 영역으로 세분화하여 얼굴의 변형이나 붕괴에 대한 국부적인 조치가 가능합니다

   만약 인간이 얼굴을 여러 부분으로 나누어 유사하게 무료 슬롯한다면 결과를 도출하는 데 많은 시간이 소요될 것입니다 그러나 이 시스템은 딥 러닝을 사용하여 모든 세부 사항을 즉시 무료 슬롯하여 건설 작업의 안전성과 경제성을 향상시킵니다

   

2. 지질 전문가의 무료 슬롯 결과를 학습하여 무료 슬롯 정확도가 향상됩니다
   

   7개 무료 슬롯 항목 중 풍화 변화, 균열 간격, 균열 상태 등 3개를 딥 러닝을 통해 학습했으며, 2147개의 얼굴 이미지와 전문가 무료 슬롯 결과를 이용했습니다 딥러닝 모델은 신뢰성이 높은 이미지 인식 모델인 AlexNet(*3)을 사용합니다 본 모델을 이용하여 얼굴 영상을 무료 슬롯한 결과, 전문가 무료 슬롯 결과 대비 정확도는 풍화변형(4개 항목) 87%, 균열간격(5개 항목) 69%, 균열상태(5개 항목) 89%로 나타났다