AI를 활용한 균열 감지 및 세그멘테이션

표면의 균열은 사소한 문제처럼 보일 수 있지만 심각한 구조적 손상을 나타내는 초기 신호가 될 수 있습니다. 예를 들어 교량은 정기적으로 균열을 검사하며, 매년 발생하는 교량 손상의 90%가 균열과 관련되어 있습니다. 기존에는 균열 검사를 수동으로 수행했으며 시간이 많이 걸릴 수 있습니다. 인공지능(AI)을 활용하면 균열 탐지를 간소화할 수 있습니다.

교량뿐 아니라 딥러닝을 활용한 균열 탐지는 여러 산업 현장에서도 유용합니다. 건설 분야에서는 건물의 구조적 건전성을 유지하고, 제조 분야에서는 비용이 많이 드는 가동 중단을 방지하며, 도로와 포장도로 검사를 더 안전하고 효과적으로 수행할 수 있습니다. 이 글에서는 Ultralytics YOLOv8과 같은 AI 및 컴퓨터 비전 모델을 사용해 기존 방법보다 훨씬 빠르고 간편하게 균열을 탐지하고 분할하는 방법을 자세히 살펴보겠습니다.

균열 세그멘테이션이란 무엇인가요?#

균열 분할을 살펴보기 전에 분할의 개념부터 알아보겠습니다. 분할은 이미지를 여러 영역이나 세그먼트로 나누는 컴퓨터 비전 작업입니다. 이미지 구조를 단순화해 더 쉽게 분석하는 것이 목적입니다. 분할은 픽셀 수준의 정보를 제공하는 반면, 객체 탐지와 같은 작업은 경계 상자를 사용해 객체를 식별하고 위치를 찾습니다.

세그멘테이션 기법에는 여러 종류가 있습니다.

• 시맨틱 분할: 이미지의 각 픽셀에 '도로', '건물', '나무'와 같은 특정 클래스를 지정하는 작업입니다. 같은 클래스에 속하는 모든 픽셀은 하나의 개체로 취급합니다.
• 인스턴스 분할: 시맨틱 분할과 달리 같은 클래스에 속하는 개별 인스턴스를 구별합니다. 예를 들어 이미지에서 각각의 자동차를 구분합니다.
• 파놉틱 분할: 시맨틱 분할과 인스턴스 분할 방식을 결합해 픽셀 수준의 분류와 이미지 내 개별 객체 인스턴스를 자세히 파악합니다.

그림 1. 세그멘테이션 기법의 차이: 원본 이미지(G), 시맨틱 세그멘테이션(H), 인스턴스 세그멘테이션(I), 파놉틱 세그멘테이션(J).

균열 탐지에는 인스턴스 분할이 적합합니다. 균열을 각각 개별적으로 분할하면 균열을 하나씩 식별하고 분석할 수 있습니다. 예를 들어 이미지에서 균열이 차지하는 픽셀 수를 세어 균열의 면적을 계산할 수 있습니다.

균열 세그멘테이션의 작동 방식 이해하기#

균열 세그멘테이션을 구현하는 첫 번째 단계는 적절한 카메라 구성을 고려하는 것이며, 이는 적용 분야에 따라 달라질 수 있습니다. 건물처럼 큰 구조물을 검사한다면 드론을 사용해 다양한 각도에서 고해상도 이미지를 촬영하는 것이 가장 적합할 수 있습니다. 반면 제조 후 금속판을 검사한다면 표면의 상세한 이미지를 촬영할 수 있도록 전략적으로 배치한 고정형 고해상도 카메라를 사용하는 것이 좋습니다.

카메라 구성을 확정한 후에는 YOLOv8과 같이 인스턴스 세그멘테이션을 지원하는 컴퓨터 비전 모델을 학습할 수 있습니다. Roboflow Universe 균열 세그멘테이션 데이터세트에는 균열에 주석을 단 이미지가 포함되어 있어 모델 학습에 사용할 수 있습니다. 적용 분야에 해당하는 균열 이미지를 촬영하고 주석을 달아 자체 데이터세트를 만들 수도 있습니다.

모델은 지도 학습을 통해 균열을 세그먼트화하는 방법을 학습합니다. 학습 중에는 균열의 위치가 표시된 이미지와 라벨이 입력됩니다. 모델은 예측값과 실제 라벨 간의 차이를 최소화하도록 내부 파라미터를 조정합니다. 학습을 마치면 새 이미지를 분석하고 각 균열을 개별적으로 세그먼트화하는 데 사용할 수 있습니다.

그림 2. 균열 세그멘테이션에 Ultralytics YOLOv8 사용.

균열 세그멘테이션의 산업 분야 활용#

균열 탐지 및 분할은 인프라 유지보수부터 제조 품질 관리까지 다양한 산업 분야에서 매우 유용합니다. 균열을 정확하게 식별하고 분석하면 여러 분야의 안전성, 내구성, 품질을 높이는 데 도움이 됩니다. 몇 가지 사례를 살펴보겠습니다.

도로 및 포장도로 품질 유지#

도로 균열은 기상 조건, 교통량, 자연적인 마모로 인해 흔히 발생합니다. 온도 변화로 포장도로가 팽창하고 수축하면서 균열이 생길 수 있습니다. 대형 차량은 도로 표면에 부담을 주며, 작은 균열로 스며든 물은 시간이 지나면서 균열을 넓고 깊게 만들 수 있습니다. 이러한 균열은 조기 마모와 구조적 고장을 일으키고 도로 운전자의 위험을 높일 수 있습니다. 균열 세그멘테이션을 활용한 조기 탐지는 도로 유지보수를 간소화하는 데 도움이 됩니다.

그림 3. 도로의 균열. 이미지 출처: Envato Elements.

컴퓨터 비전을 사용해 탐지하고 세그먼트화한 균열은 크기에 따라 낮음, 중간, 높음의 심각도 수준으로 분류할 수 있습니다. 균열을 분류하면 유지보수 팀이 우선순위를 정하는 데 도움이 됩니다. 예를 들어 심각도가 높은 균열을 먼저 보수해 중대한 고장을 방지하고 도로 안전성을 높이는 한편, 심각도가 중간이거나 낮은 균열은 후속 보수와 정기 점검 대상으로 일정을 잡을 수 있습니다. 이렇게 하면 유지보수 팀이 자원 사용을 최적화하고 유지보수 비용을 줄이며 도로 이용자의 불편을 최소화할 수 있습니다.

구조물 검사 및 모니터링#

균열 탐지는 건물과 기타 구조물의 품질과 안전성을 유지하는 데도 사용할 수 있습니다. 도로와 마찬가지로 건물에도 기상 변화, 소재 피로, 일반적인 마모로 인해 균열이 생길 수 있습니다. 건설 중 사용되는 중장비도 구조물에 추가적인 부담을 주어 균열을 더 많이 발생시킬 수 있습니다.

그림 4. 균열 세그멘테이션을 위해 휴대폰으로 사진 촬영.

균열을 정확히 식별하고 조치하면 건물과 구조물의 수명을 크게 연장할 수 있습니다. 균열 탐지 시스템에서 수집한 데이터는 건설 표준과 규정을 개선하는 데도 활용할 수 있습니다. 업계 전문가는 여러 프로젝트의 균열 패턴과 원인을 분석해 더 나은 건설 방식과 소재를 개발할 수 있습니다.

석유 및 가스 산업의 균열 탐지#

석유 및 가스 산업에서 균열 탐지는 파이프라인, 저장 탱크 및 기타 주요 인프라의 안전성과 신뢰성을 유지하는 데 필수적입니다. 파이프라인은 장거리에 걸쳐 설치되는 경우가 많고 압력 변화와 소재 피로를 유발해 균열로 이어질 수 있는 혹독한 환경 조건에 노출됩니다. 기존에는 파이프라인 검사 게이지(피그), 초음파 검사, 방사선 촬영을 사용해 균열을 탐지했습니다. 균열을 조기에 발견해 보수하지 않으면 누출과 폭발 같은 심각한 문제로 이어질 수 있습니다. 이 산업의 균열은 환경과 사람에게 큰 위험을 초래합니다.

그림 5. 열차의 가스 탱크를 검사하는 작업자. 이미지 출처: Envato Elements.

컴퓨터 비전을 이용한 균열 세그멘테이션은 파이프라인 상태를 지속적으로 모니터링할 수 있게 합니다. 유지보수 팀은 균열을 조기에 식별해 적시에 수리하고 잠재적인 재난을 방지할 수 있습니다.

제조 부품 자동 검사#

균열 세그멘테이션을 이용한 자동 검사는 제조 분야의 품질 관리를 혁신하고 있습니다. 이전에는 육안 검사, 침투 탐상 검사, 자분 탐상 검사를 통해 균열을 탐지했습니다. 제조업체는 첨단 이미징 및 컴퓨터 비전 시스템을 생산 라인에 통합해 부품이 만들어진 직후 가장 작은 균열과 결함도 감지할 수 있습니다. 모든 부품을 검사해 고객에게 전달되기 전에 높은 품질 기준을 충족하도록 할 수 있습니다.

자동 검사는 정확도와 효율성을 높이고 실시간 피드백을 제공해 생산팀이 문제를 신속하게 해결하도록 합니다. 수동 검사의 필요성을 줄이고 비용이 많이 드는 리콜을 방지해 비용을 절감합니다. 또한 이러한 시스템은 결함에 관한 유용한 데이터를 수집해 패턴을 파악하고 제조 공정을 개선함으로써 더 안전하고 신뢰할 수 있는 제품을 만드는 데 도움이 됩니다.

그림 6. 금속 부품의 균열 탐지.

균열 세그멘테이션의 장단점#

딥러닝을 이용한 균열 탐지는 안전성 향상과 데이터 기반 의사 결정 등 많은 이점을 제공합니다. 산업 현장에서 균열 탐지를 사용할 때 얻을 수 있는 다른 이점도 살펴보겠습니다.

• 지속 가능한 방식: 대규모 수리와 교체의 필요성을 줄여 자재와 자원을 절약하고 지속 가능한 건설 및 유지보수 방식을 지원합니다.
• 운영 중단 최소화: 정기 유지보수 중 심각도가 낮은 균열의 보수 일정을 잡으면 운영과 사용에 큰 지장을 주는 일을 방지할 수 있습니다.
• 규정 준수: 인프라를 정기적으로 검사하고 유지보수해 업계 표준과 규제 요건을 충족하도록 돕습니다.

장점에도 불구하고 균열 세그멘테이션에는 몇 가지 단점이 있습니다. 초기 인프라 비용이 높아 소규모 조직에 부담이 될 수 있으며, 시스템이 복잡해 지속적인 교육과 유지보수가 필요합니다. 산업 분야에서 균열 세그멘테이션을 사용할 때의 다른 단점은 다음과 같습니다.

• 오탐 및 미탐: 균열을 잘못 식별하거나 감지하지 못해 불필요한 보수 또는 보수 누락으로 이어질 수 있습니다.
• 데이터 관리 과제: 견고한 저장 및 분석 도구가 필요한 대량의 데이터를 생성합니다.
• 환경 요인: 극한 기후나 높은 습도와 같은 외부 조건은 균열 세그멘테이션 시스템의 정확도와 신뢰성에 영향을 줄 수 있습니다.
• 기존 시스템과의 통합: 균열 탐지 기술을 기존 인프라 및 시스템과 통합하는 작업은 까다로울 수 있으며 추가 수정이나 업그레이드가 필요할 수 있습니다.

핵심 요점#

균열 세그멘테이션과 탐지는 산업 인프라의 안전성과 내구성을 유지하는 데 중요한 역할을 할 수 있습니다. 딥러닝과 컴퓨터 비전 같은 첨단 기술을 활용하면 구조적 문제를 조기에 발견하고 심각한 문제로 발전하기 전에 해결할 수 있습니다. 이러한 선제적 접근 방식은 안전 및 규제 기준을 충족하면서 시간과 비용을 절약합니다. 또한 대규모 수리의 필요성을 최소화해 지속 가능한 방식을 지원합니다. 초기 비용과 복잡성 같은 어려움에도 불구하고 다양한 산업 분야에서 균열 세그멘테이션을 활용하면 얻는 이점이 많아 인프라 품질을 유지하고 개선하는 데 유용한 도구가 됩니다.

AI에 대해 자세히 알아보려면 GitHub 저장소를 방문하고 커뮤니티에 참여해 보세요. 솔루션 페이지에서 제조 및 농업 분야의 AI 애플리케이션을 살펴보세요.