Pipeline Leak Detection Using Acoustic Emission Sensors: Influence of Input Format and Layer Parameters in Convolutional Neural Networks on Leak Detection Performance

본 논문에서는 음향 방출(AE: acoustic emission) 센서를 파이프라인에 부착하여 수집한 AE 신호를 이용하여 파이프라인의 누출을 탐지하기 위해 컨볼루셔널 뉴럴 네트워크(convolutional neural network)를 사용할 때 레이어 파리미터와 입력 데이터 포멧이 누출 탐지 성능에 미치는 영향을 조사하였다. 이미지 분류를 위해 제안된 다양한 CNN 모델을 활용하여 AE 신호를 처리하기 위해서는 AE 신호를 이미지 형태로 변환하고 CNN 모델을 일부 수정해야 한다. AE 신호를 이미지로 변환되는 포멧과 ResNet18 모델의 레이어 파라미터에 따라 CNN 모델의 파이프라인 누출 탐지 성능이 달라지는 것과 최선의 변환 포멧과 레이어 파라미터를 파이프라인의 누출을 연출할 수 있는 테스트베드에서 수집한 데이터를 이용하여 확인하였다.