Water Level Measurement in a Multi-Bent Pipeline Environment Using Ultrasonic Based CNN

초음파를 활용하여 다중 굴곡 관 환경에서 수위를 측정하기 위한 CNN 기반 분류 모델을 구성한다. 기존의 수위 측정 방식은 직선 구조나 단순한 환경을 대상으로 한 경우가 많으며, 굴곡이나 장애물이 존재하는 관 환경에서는 신호의 산란과 다중 반사로 인해 정확도가 저하되는 문제가 있다. 이를 해결하기 위해 초음파 수신 신호를 이미지 형태로 변환한 후 CNN을 이용하여 수위를 분류하는 방법을 적용하였다. 실험은 장애물이 없는 환경과 장애물이 있는 환경 두 가지 조건에서 수행되었으며, AlexNet, GoogLeNet, ResNet 18, ResNet 50, DenseNet 201, ViT 모델과 성능을 비교하였다. 또한 컨볼루션 계층의 filter size와 stride 조합을 조절한 1단 직렬 CNN 구조를 구성하여 다양한 조합에 대한 성능을 분석하였다. 실험 결과 구성한 모델은 기존 CNN 모델들과 비교하여 짧은 학습 시간 대비 높은 분류 정확도를 나타냈으며, 이러한 결과를 통해 CNN 기반 방법이 다중 굴곡 관 환경에서도 효과적인 수위 측정에 활용될 수 있음을 확인하였다.