Automated Assessment of the Adhesion of Underwater Coatings Using Lamb Waves and Ensemble Learning

본 연구는 S3 모드 램파(Lamb wave)를 활용한 수중 코팅 접착 평가를 위해 물리 기반 기계학습 프레임워크를 제안한다. 본 프레임워크는 접착/비접착 구역을 포함한 코팅 시편을 대상으로 선형 스캔 측정을 수행하고, 평균 진폭 변화(AAC) 및 최대 진폭(MaxAmp)이라는 두 가지 음향 기반 특성을 추출하여 접착 상태에 따른 응답 차이를 정량화한다. 수중 환경에서 발생하는 획득 편차에 대한 민감도를 완화하기 위해, 모든 진폭 지표는 동일 시편 내 접착 기준점의 값을 기준으로 정규화되며, 정규화 지표의 안정성은 반복 실험을 통해 검증된다. 모델 성능은 층화 5-겹 교차검증 및 시편 단위 제외 교차검증을 통해 평가되며, 결과는 평균±표준편차 형태의 정확도와 AUC로 제시된다. 유한요소 시뮬레이션은 물리 기반 해석 지원을 위한 보조 수단으로 활용되며, 분류 성능 평가에는 포함되지 않는다. 검증 결과, Gradient Boosting을 포함한 앙상블 기반 분류기는 중첩된 특징 공간에서 보다 안정적인 판별 성능을 보였다. 제안된 프레임워크는 실험적 조건 하에서 수중 코팅 접착을 자동으로 평가할 수 있는 통계적 해석이 가능한 방법론을 제공한다.