AI를 활용한 균열 감지 및 세그멘테이션

표면의 균열을 보면 사소한 문제처럼 보일 수 있지만, 이는 심각한 구조적 손상을 조기에 나타내는 좋은 지표입니다. 예를 들어 교량은 균열 여부를 정기적으로 검사하며, 매년 발생하는 모든 교량 손상의 90%를 차지합니다. 전통적으로 균열 검사는 수작업으로 수행되므로 시간이 많이 걸릴 수 있습니다. 인공지능(AI)을 활용하면 균열 감지를 더 간소화할 수 있습니다.

교량 외에도 딥러닝을 활용한 균열 감지는 다양한 산업 환경에서 유용합니다. 건설 분야에서는 건물의 무결성을 보장하고, 제조 분야에서는 비용이 많이 드는 가동 중단을 방지하며, 도로 및 포장도로 검사를 더 안전하고 효과적으로 수행할 수 있도록 지원합니다. 이 글에서는 Ultralytics YOLOv8과 같은 AI 및 컴퓨터 비전 모델을 사용해 기존 방법보다 훨씬 빠르고 쉽게 균열을 감지하고 세분화하는 방법을 자세히 살펴보겠습니다.

균열 세분화란 무엇인가요?#

균열 세분화를 살펴보기 전에 세분화에 대해 알아보겠습니다. 세분화는 이미지를 여러 영역 또는 세그먼트로 나누는 컴퓨터 비전 작업입니다. 목표는 이미지를 단순화하여 더 쉽게 분석할 수 있도록 하는 것입니다. 세분화를 사용하면 픽셀 수준으로 이해할 수 있는 반면, 객체 감지와 같은 작업에서는 바운딩 박스를 사용해 객체를 식별하고 위치를 찾습니다.

세분화 기법에는 여러 유형이 있습니다.

• 시맨틱 세분화: 이미지의 각 픽셀에 '도로', '건물' 또는 '나무'와 같은 특정 클래스를 지정하는 방식입니다. 같은 클래스에 속한 모든 픽셀은 하나의 개체로 처리됩니다.
• 인스턴스 세분화: 시맨틱 세분화와 달리 이미지에서 서로 다른 자동차처럼 같은 클래스에 속하는 개별 인스턴스를 구분합니다.
• 파놉틱 세분화: 시맨틱 세분화와 인스턴스 세분화 방식을 결합하여 이미지 내 픽셀 수준의 분류와 개별 객체 인스턴스를 상세하게 이해할 수 있도록 합니다.

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

균열 감지와 관련해서는 인스턴스 세분화가 매우 적합합니다. 각 균열을 고유하게 세분화하면 균열을 개별적으로 식별하고 분석할 수 있습니다. 예를 들어 이미지에서 균열이 차지하는 픽셀 수를 세어 균열의 면적을 계산할 수 있습니다.

균열 세분화 작동 방식 이해하기#

균열 세분화를 구현하는 첫 번째 단계는 애플리케이션에 따라 달라질 수 있는 적절한 카메라 설정을 고려하는 것입니다. 건물과 같은 대형 구조물을 검사하는 경우 드론을 사용해 다양한 각도에서 고해상도 이미지를 촬영하는 것이 가장 좋은 방법일 수 있습니다. 반면 제조 후 금속판을 검사하는 경우에는 표면의 상세한 이미지를 촬영할 수 있도록 전략적으로 배치된 고정형 고해상도 카메라를 사용하는 것이 좋을 수 있습니다.

카메라 설정을 확정한 후에는 YOLOv8과 같이 인스턴스 세분화를 지원하는 컴퓨터 비전 모델을 학습할 수 있습니다. Roboflow Universe Crack Segmentation Dataset에는 균열이 주석 처리된 이미지가 포함되어 있어 모델 학습에 사용할 수 있습니다. 애플리케이션에 맞는 균열 이미지를 직접 촬영하고 주석을 추가하여 자체 데이터셋을 만들 수도 있습니다.

모델은 지도 학습을 통해 균열을 세분화하는 방법을 학습합니다. 학습 중에는 균열의 위치를 보여 주는 이미지와 레이블이 모델에 입력됩니다. 모델은 예측값과 실제 레이블 간의 차이를 최소화하도록 내부 파라미터를 조정합니다. 학습이 완료되면 새 이미지를 분석하고 각 균열을 고유하게 세분화하는 데 사용할 수 있습니다.

그림 2. 균열 세분화에 Ultralytics YOLOv8 사용.

균열 세분화의 산업적 활용#

균열 감지 및 세분화는 인프라 유지보수부터 제조 품질 관리까지 다양한 산업 분야에서 매우 유용합니다. 균열을 정확하게 식별하고 분석함으로써 이러한 기법은 여러 분야에서 안전성, 수명, 품질 향상에 기여합니다. 몇 가지 예를 살펴보겠습니다.

도로 및 포장도로 품질 유지#

도로 균열은 기상 조건, 교통량, 자연적인 마모로 인해 발생하는 흔한 문제입니다. 기온 변화로 포장도로가 팽창하고 수축하면서 균열이 발생할 수 있습니다. 대형 차량은 도로 표면에 응력을 가하고, 작은 균열로 스며든 물은 시간이 지나면서 균열을 넓고 깊게 만들 수 있습니다. 이러한 균열은 조기 마모, 구조적 결함, 도로를 주행하는 사람들의 위험 증가로 이어질 수 있습니다. 균열 세분화를 활용한 조기 감지는 도로 유지보수를 간소화하는 데 도움이 됩니다.

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

컴퓨터 비전을 사용해 감지하고 세분화한 균열은 크기에 따라 낮음, 중간, 높음의 심각도 수준으로 분류할 수 있습니다. 균열을 분류하면 유지보수 팀이 우선순위를 정할 수 있습니다. 예를 들어 심각도가 높은 균열을 먼저 처리하여 치명적인 결함을 방지하고 도로 안전성을 높일 수 있으며, 중간 및 낮은 심각도의 균열은 후속 보수와 정기 점검 대상으로 일정을 지정할 수 있습니다. 이를 통해 유지보수 팀은 자원 사용을 최적화하고 유지보수 비용을 절감하며 도로 이용자의 불편을 최소화할 수 있습니다.

구조물 검사 및 모니터링#

균열 감지는 건물과 기타 구조물의 품질과 안전성을 유지하는 데에도 사용할 수 있습니다. 도로와 마찬가지로 건물도 기상 변화, 재료 피로, 일상적인 마모로 인해 균열이 발생할 수 있습니다. 건설 중 사용되는 중장비 역시 구조물에 추가적인 응력을 가해 더 많은 균열을 유발할 수 있습니다.

그림 4. 균열 세분화를 위한 휴대전화 사진 촬영.

균열을 정확하게 식별하고 처리하면 건물과 구조물의 수명을 크게 연장할 수 있습니다. 균열 감지 시스템에서 수집한 데이터는 건설 표준과 규정을 개선하는 데에도 사용할 수 있습니다. 산업 전문가들은 여러 프로젝트에서 나타나는 균열의 패턴과 원인을 분석하여 더 나은 건설 관행과 재료를 개발할 수 있습니다.

석유 및 가스 분야의 균열 감지#

석유 및 가스 산업에서 균열 감지는 파이프라인, 저장 탱크 및 기타 핵심 인프라의 안전성과 신뢰성을 유지하는 데 필수적입니다. 파이프라인은 장거리에 걸쳐 설치되는 경우가 많고 가혹한 환경 조건에 노출되므로 압력 변화와 재료 피로가 발생하여 균열로 이어질 수 있습니다. 전통적으로 균열 감지는 파이프라인 검사 게이지(pigs), 초음파 검사 및 방사선 촬영을 사용해 수행합니다. 이러한 균열을 조기에 감지하고 수리하지 않으면 누출과 폭발 같은 심각한 문제로 이어질 수 있습니다. 이 산업에서 발생하는 균열은 환경과 사람에게 큰 위험을 초래합니다.

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

컴퓨터 비전을 활용한 균열 세분화를 통해 파이프라인 상태를 지속적으로 모니터링할 수 있습니다. 유지보수 팀은 균열을 조기에 식별하여 적시에 수리하고 잠재적인 재해를 방지할 수 있습니다.

제조 부품 자동 검사#

균열 세분화를 활용한 자동 검사는 제조의 품질 관리를 혁신하고 있습니다. 이전에는 육안 검사, 침투 탐상 검사, 자분 탐상 검사를 통해 균열을 감지했습니다. 제조업체는 고급 이미징 및 컴퓨터 비전 시스템을 생산 라인에 통합하여 부품이 생산된 직후 가장 작은 균열과 결함까지 감지할 수 있습니다. 모든 부품을 고객에게 전달하기 전에 검사하고 높은 품질 기준을 충족하도록 할 수 있습니다.

자동 검사는 정확도와 효율성을 높이고 실시간 피드백을 제공하므로 생산 팀이 문제를 신속하게 해결할 수 있습니다. 수동 검사의 필요성을 줄이고 비용이 많이 드는 리콜을 방지하여 비용을 절감할 수 있습니다. 또한 이러한 시스템은 결함에 대한 유용한 데이터를 수집하여 패턴을 파악하고 제조 공정을 개선하는 데 도움을 주며, 그 결과 더 안전하고 신뢰할 수 있는 제품을 만들 수 있습니다.

그림 6. 금속 부품의 균열 감지.

균열 세분화의 장단점#

딥러닝을 활용한 균열 감지는 안전성 향상과 데이터 기반 의사결정을 비롯해 다양한 이점을 제공합니다. 산업 환경에서 균열 감지를 사용할 때의 다른 장점도 살펴보겠습니다.

• 지속 가능한 관행: 광범위한 수리와 교체의 필요성을 줄여 자재와 자원을 절약하고 지속 가능한 건설 및 유지보수 관행을 지원합니다.
• 중단 최소화: 정기 유지보수 중 심각도가 낮은 균열에 대한 수리 일정을 조정하면 운영 및 사용에 대한 큰 중단을 방지할 수 있습니다.
• 규정 준수: 인프라를 정기적으로 검사하고 유지보수하여 산업 표준과 규제 요건을 충족하는 데 도움을 줍니다.

장점에도 불구하고 균열 세분화에는 몇 가지 단점도 있습니다. 높은 초기 인프라 비용은 소규모 조직에 부담이 될 수 있으며, 시스템의 복잡성 때문에 지속적인 학습과 유지보수가 필요합니다. 산업 애플리케이션에서 균열 세분화를 사용할 때의 다른 단점은 다음과 같습니다.

• 거짓 양성 및 거짓 음성: 균열을 잘못 식별하거나 감지하지 못하여 불필요한 수리 또는 수리 누락으로 이어질 수 있습니다.
• 데이터 관리 문제: 강력한 저장 및 분석 도구가 필요한 대량의 데이터를 생성합니다.
• 환경적 요인: 극한의 기상이나 높은 습도와 같은 외부 조건은 균열 세분화 시스템의 정확도와 신뢰성에 영향을 줄 수 있습니다.
• 기존 시스템과의 통합: 균열 감지 기술을 기존 인프라 및 시스템과 통합하는 작업은 어려울 수 있으며 추가적인 수정이나 업그레이드가 필요할 수 있습니다.

핵심 요점#

균열 세분화 및 감지는 산업 인프라를 안전하고 견고하게 유지하는 데 중요한 역할을 할 수 있습니다. 딥러닝과 컴퓨터 비전 같은 첨단 기술을 사용하면 구조적 문제를 조기에 발견하고 심각한 문제로 발전하기 전에 해결할 수 있습니다. 이러한 사전 예방적 접근 방식은 안전 및 규제 표준을 충족하는 동시에 시간과 비용을 절감합니다. 또한 광범위한 수리의 필요성을 최소화하여 지속 가능한 관행을 지원합니다. 높은 초기 비용과 복잡성 같은 몇 가지 과제가 있지만, 다양한 산업에서 균열 세분화가 제공하는 이점은 인프라 품질을 유지하고 개선하는 데 유용한 도구로 만들어 줍니다.

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