Compressive Strength Prediction of Concrete Using Mixture Proportions and Surface Image Features

콘크리트 제품의 주요 품질 지표인 압축강도는 일반적으로 파괴 시험을 통해 측정되며, 이는 높은 비용과 시간이 소요되는 한계를 가진다. 이에 본 연구에서는 비파괴 방식으로 콘크리트 압축강도를 예측할 수 있는 기계학습 기반 모델을 제안한다. 콘크리트의 압축강도는 주로 재료의 배합비에 의해 결정되나, 탄산화로 인한 공극률 증가, 표면 균열 등 외부 환경적 요인에도 영향을 받을 수 있다. 이러한 특성을 고려하여, 본 연구는 재료 배합비 데이터와 더불어 표면 이미지를 함께 활용하는 복합형 예측 모델을 구성하였다. 데이터 전처리, 특징 추출 및 선별 과정을 체계화하고, 다양한 기계학습 알고리즘을 비교·분석하여 최적의 예측 모델을 도출하였다. 실험 결과, 결정계수(R²) 0.95 및 평균 오차 0.95 MPa 수준의 예측 성능을 확보함으로써, 제안한 비파괴 압축강도 예측 모델의 정확도를 입증하였다. 본 연구는 향후 콘크리트 생산 품질관리 공정에서 효율적인 기술적 대안을 제시할 수 있을 것으로 기대된다.