Deep Learning-Based Internal Delamination Quantitative Evaluation using Exothermic Structure Specimens

이 연구는 열화상 이미지를 활용하여 딥러닝 모델을 기반으로 발열 구조체 내부 박리의 손상 탐지를 목표로 한다. 딥러닝 모델 중 하나인 U-Net은 세분성 작업 성능이 뛰어나 작은 데이터셋으로도 효과적인 데이터 처리가 가능하다는 장점이 있다. 이 연구에서는 이를 활용해 발열 구조체 시편의 열화상 이미지를 학습하고, 손상에 따른 내부 박리를 탐지하는 방법을 제시하고자 한다. 입력 변수로 발열 시간과 임의로 가한 시편의 박리 정도를 활용하였다. U-Net 모델은 총 24개의 레이어로 구성하였으며, 인코더와 디코더 구조를 통해 영상 이미지로부터 추출한 열화상 이미지를 학습하였다. 개발한 인공지능 모델의 성능평가를 위해, 호모그래피에 기반한 열화상 이미지를 생성하였으며, 이를 활용해 손상 정량 평가를 수행하고 성능을 검증하였다.