GPR 영상에서 딥러닝 기반 CNN을 이용한 배관 위치 추정 연구

• Published in: Inteonet jeongbo hakoe nonmunji = Journal of Korean Society for Internet Information 2019, 20(4), , pp.39-46
• Main Authors: 채지훈, Jihun Chae, 고형용, Hyoung-yong, 이병길, Ko Byoung-gil Lee, 김남기, Namgi Kim
• Format: Article
• Language: Korean
• Subjects: CNN; deep-learning; GPR; GPR영상; image recognition; pipe; sink holes; underground detection; 딥러닝; 배관; 영상 인식; 지하 탐지; 지하공동; 컨볼루션 뉴럴 네트워크; 컴퓨터학
• ISSN: 1598-0170; 2287-1136
• DOI: 10.7472/jksii.2019.20.4.39

최근에 지하공동이나 배관의 위치 파악 등의 필요에 의해 금속을 포함하여 다양한 재질의 지하 물체를 탐지하는 일이 중요해지고 있다. 이러한 이유로 지하 탐지 분야에서 GPR(Ground Penetrating Radar) 기술이 주목을 받고 있다. GPR은 지하에 묻혀 있는 물체의 위치를 찾기 위하여 레이더파를 조사하고 물체로부터 반사되는 반사파를 영상으로 표현한다. 그런데 레이더 신호는 지하에서 여러가지 물체에서 반사되어 나오는 특징이 물체마다 유사한 경우가 많기 때문에 GPR 영상을 해석하는 것은 쉽지 않다. 따라서 본 논문에서는 이러한 문제를 해결하기 위해서 영상 인식 분야에서 최근에 많이 활용되고 있는 딥러닝 기반의 CNN(Convolutional Neural Network)모델을 이용하여 임계값에 따른 GPR 영상에서의 배관 위치를 추정하고 그 실험 결과 임계값이 7 혹은 8 일 때 가장 확실하게 배관의 위치를 찾음을 증명하였다 In recently years, it has become important to detect underground objects of various marterials including metals, such as detecting the location of sink holes and pipe. For this reason, ground penetrating radar(GPR) technology is attracting attention in the field of underground detection. GPR irradiates the radar wave to find the position of the object buried underground and express the reflected wave from the object as image. However, it is not easy to interpret GPR images because the features reflected from various objects underground are similar to each other in GPR images. Therefore, in order to solve this problem, in this paper, to estimate the piping position in the GRP image according to the threshold value using the CNN (Convolutional Neural Network) model based on deep running, which is widely used in the field of image recognition, As a result of the experiment, it is proved that the pipe position is most reliably detected when the threshold value is 7 or 8.