Evaluation of the Bending Behavior of RC beam by Using Color-based Image Processing Method

1. 서 론

철근콘크리트 구조물에서 균열은 가장 대표적인 손상 유형 으로써 구조물의 안전성, 내구성 및 사용성과 밀접하게 연관 된 구조물 상태평가의 중요한 지표이다. 균열 양상 파악은 실 구조물의 상태평가 뿐만 아니라 축소모형 실험에서도 휨 파 괴와 전단 파괴 등의 구조물 거동특성을 파악하기 위한 중요 한 분석자료로 활용되고 있다. 그러나 철근 콘크리트 구조물 에서는 균열 발생위치는 예측하기 어렵기 때문에 균열 발생 후 평가자의 육안에 의한 평가가 주를 이루고 있다. 이러한 균 열평가의 어려움을 해소하기 위해서 영상분석기법을 이용한 방법들이 다양한 연구자들에 의해서 제시되고 있다.

영상분석기법을 활용하여 균열을 평가하는 방법은 영상의 이진화된 결과를 이용하여 균열폭 및 균열형상을 평가하는

것이다. 영상을 이진화하여 평가하는 방법은 원본 영상을 회 색조로 변환하고, 회색조 영상 내에서 균열의 윤곽선(Edge)을 추출하는 방식을 주로 사용하고 있다. 가장 기본적인 방법은 임계값을 이용해서 영역을 구분하는 방법이다(Sinha and Fieguth, 2006; Tsai et al., 2010; Talab et al., 2016; Kim et al., 2017). 하지만 콘크리트 표면의 공극과 이물질 등의 영향으로 균열로 구분된 영역에 노이즈가 나타나게 된다. 이 때 균열의 윤곽선을 정확하게 추출하기 위해서 다양한 필터링과 분석기 법 등이 연구되고 있다. 노이즈를 제거하기 위한 방법으로는 지역적 히스토그램 평활화기법과 레이블링 기법 등 다양한 알고리즘이 제안되고 있다(Her et al., 2006; Jung et al., 2007;

Kim et al., 2005; Talab et al., 2016; Kim et al., 2017). 골재 등 의 영향으로 균열발생 패턴이 매우 불규칙하고, 동일 균열이 더라도 위치에 따라 균열폭이 달라지기 때문에 회색조 영상 의 값도 매우 큰 편차를 보인다. 회색조 영상에 기반한 영상분 석기법의 단점을 보완하기 위해서 칼라영상에 기반한 영상분 석기법과 이를 이용한 영역구분 방법이 제안되고 있다. 연구 결과에 따르면 Lab 칼라영상을 이용하여 영역을 구분할 경우 일치도 판별에 유리하기 때문에 변환된 이진영상에서 회색조 대비 노이즈가 줄어드는 효과가 나타났다(Kaur and Kranti, 2012; Kim et al., 2016; Cheung et al., 2017; Lee et al., 2019).

Journal of the Korea Institute for Structural Maintenance and Inspection Vol. 24, No. 4, August 2020, pp.48 -54

https://doi.org/10.11112/jksmi.2020.24.4.48 pISSN 2234-6937

eISSN 2287-6979

색상에 기반한 영상분석기법을 이용한 콘크리트 거더의 휨 거동 분석

우태련¹, 정치영², 김인태³, 이종한⁴, 정진환^5*

Evaluation of the Bending Behavior of RC beam by Using Color-based Image Processing Method

Tae-Ryeon Woo¹, Chi-Young Jung², In-Tae Kim³, Jong-Han Lee⁴, Jin-Hwan Cheung^5*

Abstract: Cracks in reinforced concrete structures are the most common type of damage and are used as important analytical data to understand the fracture behavior characteristics of structures. Currently, there is a problem that most of the crack investigation relies on visual inspection, therefore many researchers have proposed image analysis techniques to improve the problem. In this study, we proposed a crack evaluation method to be applied at an indoor experimental level using image analysis method. The image analysis technique using color is for distinguishing a boundary surface between objects existing in an image, and is a method for separating similar colors into one region based on a predefined color. In this study, to improve the accuracy of image analysis, blue paint was applied to the concrete surface and bending experiments were performed. The image analysis method was able to measure the crack width with superior accuracy compared to the crack diameter, and at the same time, it was also possible to analyze the deflection of the beam. Both the crack and deformation were able to confirm the accuracy similar to the existing measurement method, and it was found that the image analysis method was very excellent in terms of applicability.

Keywords: Image processing method, Crack width, Reinforced concrete, 3 point bending test

1정회원, 부산대학교 사회환경시스템공학과 박사과정

2정회원, ㈜제이원산업 기술연구소 연구소장

3정회원, 부산대학교 사회환경시스템공학과 교수

4정회원, 인하대학교 사회인프라공학과 교수

5정회원, 부산대학교 사회환경시스템공학과 교수

*Corresponding author: [email protected]

2, Busandaehak-ro 63beon-gil, Geumjeoung-gu, Busan, 46241, Republic of Korea

∙본 논문에 대한 토의를 2020년 9월 30일까지 학회로 보내주시면 2020년 10 월호에 토론결과를 게재하겠습니다.

Copyright Ⓒ 2020 by The Korea Institute for Structural Maintenance and Inspection. This is an Open Access article distributed under the terms of the Creative Commons Attribution

노이즈가 줄어들게 되면 영상에 대한 필터링과 분석과정에서 소요되는 연산시간을 줄일 수 있어서 기존 회색조 기반의 영 상분석기법보다 유리한 장점을 갖는다. 본 연구에서는 색상 에 기반한 영상분석 기법을 이용하여 철근콘크리트 구조물에 서 균열을 찾고자 한다. 철근콘크리트 거더를 제작하고 표면 을 색깔 페인트로 칠한 다음 균열과 일반 표면을 구분하기 용 이하게 하였다. 하중재하 시 발생되는 균열발생 과정을 촬영 하여 영상분석을 통한 균열형상 및 균열폭을 평가하였다. 이 를 균열확대경을 이용한 평가방법과 비교하여 시도된 방법의 정확도를 평가하였다. 또한 실험체 표면에 등간격으로 타겟 을 부착하고 해당 타겟을 이용하여 실험체의 하중단계별 변 형형상을 계측하였다.

2. 색상기반의 영상분석 기법을 이용한 균열 및 타겟 인식

일반적으로 콘크리트의 균열을 측정하기 위해서는 균열확 대경을 이용하거나, 발생된 균열에 균열측정 게이지를 부착 하는 방법이 있다. 하지만 모두 균열 발생 후 위치를 선정할 수 있기 때문에 하중재하시험에서 초기 균열의 발생위치를 주의 깊게 살펴야하는 어려움이 있다. 따라서 이러한 문제점을 해 소하기 위해서 많은 연구자들이 영상분석 기법을 이용한 균 열 계측방법을 대안으로 제시하고 있다 (Sinha and Fieguth, 2006; Tsai et al., 2010; Talab et al., 2016; Kim et al., 2017; Kim et al., 2018). 본 연구에서는 Fig. 1에 도시한 색상 기반의 영상 분석 기법을 사용하였다.

색상을 이용한 영상분석 기법은 영상 내 존재하는 객체들 간의 경계면을 구분하기 위한 것으로 사전에 정의된 색상들 을 기준으로 비슷한 색상들을 하나의 영역으로 분리한다. 이 를 위해서 영상 내 각 픽셀들의 색상정보가 관심대상의 색상

과 얼마나 가까운가를 산정한다. 디지털영상에서는 RGB 색 상공간이 가장 보편적으로 사용된다. RGB에서 R은 빨간색, G는 녹색, B는 파랑색을 의미하는데, RGB 각각을 하나 축으 로 보고 특정색상에 대해서 3차원 색상 공간 안에 위치로 표 시할 수 있다. 그러나 Kaur and Kranti (2012)의 연구에 따르면 Lab 색상영역이 영상 내에서 색상을 구분하기에 적합하다는 연구결과를 발표하였다. Fig. 2는 Lab 색상공간을 나타낸 것 이다. Lab 색상영역의 경우에는 RGB 색상영역과 달리 Lab 라 는 축으로 3차원 색상공간을 정의한다. Lab 색상영역에서는 L 값을 이용하여 밝기를 나타내고, a와 b 값을 이용하여 채도 를 구현하게 된다. 따라서 영상 내에서 동일한 채도 값을 가지 지만 밝기가 다른 색상에 대해서 더욱 정확한 구분이 가능하 다. Fig. 2는 RGB 색상공간과 Lab 색상공간을 도시한 것이다.

본 연구에서 적용한 Lab 색상영역에서 기준색상과 다른 색상

Fig. 1 Algorithm of image processing method Fig. 3 Coordinate of targets obtained by left camera [Pixel]

(a) Lab color space (b) RGB color space Fig. 2 Color spaces

을 구분하기 위한 수학적 알고리즘은 식 (1)과 같다.

_^ _^_ _^_ _^ (1)

이후 사용자가 원하는 색상의 영역과 그 외의 영역으로 구 분하여 이진영상으로 변환한다. 영상을 이진화 하는 과정에 서 균열을 검출하고, 실험체 표면에 부착한 타겟을 구분하여 인식한다. 이후 균열형상 과 폭을 산출하여 균열에 대한 평가 가 이루어지고, Fig. 3과 같이 타겟의 중심점 좌표 값을 추출한 후 변위와 인접 타겟과의 상대거리를 산출하여 변형률로 환 산하여 나타낸다. 또한 가력장치의 하중 값을 영상분석 시스 템 상에 동시에 촬영되도록 하고, 영상처리과정에서 영상 내 에 촬영된 현재 하중 값을 광학문자인식(Optical Character Recognition: OCR) 알고리즘을 이용하여 수치화한다. 이러한

과정을 통하여 최종적으로 구조물의 균열과 변위 및 변형률, 그리고 현재 하중을 산출한다.

본 연구에서 영상 취득을 위해 사용한 디지털 카메라의 영

상 왜곡 정도를 알아보기 위하여 Fig. 4와 같이 직경이 5mm인 원형 타겟을 3⨯3 형태로 그룹을 지어 영상의 중앙부, 가장자 리부 등 5행 5열의 배치로 고루 분포를 시켜 촬영을 하고 동일 한 방법으로 이미지 분석을 실시하여 테스트를 수행하였다.

위에서 언급한 바와 같이 타겟의 직경은 픽셀 개수로서 표현 하였으며 5mm로 모두 동일한 직경을 가진 원형 타겟의 영상 분석 후 얻어진 직경이 분석 후에 위치에 따라 얼마만큼의 편 차를 가지는지 알아보았다. 편차의 결과는 Fig. 5와 같다. 타 겟의 실제 직경 5mm는 117.5~118.5의 픽셀 수로 나타났으며 픽셀 수의 평균 오차가 1픽셀 미만인 것을 알 수 있었다. 이를 통해서 본 연구에서 사용한 디지털 카메라는 적절한 수준의 왜곡보정 기능이 있는 것으로 판단하였으며 따로 후처리 왜 곡보정 작업 없이 이미지 분석을 수행하였다.

3. 철근 콘크리트 보의 3점 휨 시험

3.1 시험체 상세

본 연구에서는 색상에 기반한 영상분석 기법(Image Pro- cessing Method, IPM)을 이용한 균열 탐색 및 하중단계별 변 형형상 계측을 위하여 철근콘크리트 보에 대한 3점 휨시험을 수행하였다. 시험체에 적용된 재료 특성은 Table 1과 같고, 그 값은 콘크리트 압축강도 시험과 철근의 1축 인장시험 각각 3 회씩 수행하여 나온 평균값을 나타낸 것이다. 시험은 Fig. 6와

Fig. 4 Image used for evaluating image distortion

Fig. 5 Deviation of the diameter of the target group

(a)

(b)

Fig. 6 specimen shape [mm]

같이 T형 단면을 가지는 철근콘크리트 보를 대상으로 3점 휨 시험을 수행하였다. 시험체는 총 2개를 제작하였고, 시험체 명을 A1, A2로 나타내었다. 대상 시험체 2개의 형상은 동일하 게 제작되었다. 인장 주철근은 2-D13이고, 압축부 플랜지 상 단에 D10철근 4개, 플랜지 하단에 D10철근 2개를 매립하였 다. 스터럽은 D10철근을 사용하였고 폐쇄형으로 150mm 간 격으로 매립되었다.

영상분석 기법으로 휨 하중을 받는 상태에서의 균열폭 및 변 형 형상을 보다 정확하게 측정하기 위해서 관심영역을 시험체 중앙부 1,000mm로 설정하였다. 그리고 해당 영역에 Fig. 7와 같이 콘크리트 표면을 파란색 페인트로 칠하고 직경 5mm 원형 타겟을 50mm 간격으로 부착하였다. 원형 타겟의 색상은 배경 색상인 파란색과 대비되는 노란색을 사용하였고, 주 인장 철근 이 매립된 위치에는 빨간색 원형 타겟을 부착하여 추후 영상 분 석 시 철근의 위치를 파악하기 용이하도록 하였다.

3.2 3점 휨 시험

영상 분석에서는 영상 획득 시 디지털 카메라의 움직임이 최대한 적을수록 보다 정확한 결과 도출이 가능하다. 이에 시 험체 중앙부의 위치를 고정하기 위한 방법으로 Fig. 8와 같이 철근콘크리트 T형보의 상하부를 뒤집고, 시험체 연단에 하중 을 재하하는 방식을 택하였다. 또한 관심영역에서의 타겟의 변화와 그에 따른 하중값을 동시에 비교할 수 있도록 시험 중 로드셀에서 얻어진 하중을 실시간으로 표시하는 하중표시계 (Load indicator)를 시편 하부에 배치하여 관심영역과 하중이 동시에 촬영되도록 하였다. 가력은 1,000kN 용량의 엑추에이

터(Actuator)로 수행하였고, 가력속도는 변위제어방식으로 0.5mm/min를 유지하였다.

영상분석 기법을 이용하여 나온 변형 값의 검증을 위하여 관심영역의 최외측 타겟 부착 위치에 계측범위 50mm를 가지 는 변위계(Linea`r Variable Displacement Transducer, LVDT) 를 설치하여 수직변위를 계측하였다. LVDT 신호는 데이터 로거(Tokyo Sokki TDS-303)를 이용하여 계측하였다. 영상 취 득은 SONY alpha 7R디지털 카메라 2대를 사용하였고 약 36 백만 화소(4912x7360 Pixel)의 크기로 4초 마다 등 간격으로 촬영하였다. 카메라는 시험체의 중앙을 기준으로 양측에 위 치하도록 하였다. 영상 내에 동일한 기준점을 촬영영역으로 제한함으로써 촬영된 영상과 실물이 축척 계수(scale factor) 를 약 0.03~0.05mm/pixel로 유지하였다. 또한 빛에 의한 오차 를 줄이기 위하여 시험체 표면이 일정한 빛을 받을 수 있도록 조명들을 설치하였다. 그리고 색상에 기반한 영상분석 기법 으로부터 도출된 균열폭과의 비교를 위하여 균열확대경 (Crack meter, CM)을 이용하여 20 프레임 당 1번씩 시험체 중 앙부에 발생한 최대균열폭을 측정하였다.

3.3 시험결과 및 분석

3.3.1 콘크리트 균열 분석 결과

본 연구에서는 MATLAB R2019a 프로그램을 사용하여 영 상분석을 수행하였다. Fig. 9과 Fig. 10은 영상분석을 통하여 얻어진 균열부위 가장자리를 원본 영상 내에 붉은 선으로 표 시한 것으로, 임의의 위치 4곳에 대해서 확대하여 표시하였 다. 영상분석결과를 통해서 파란색으로 색칠한 콘크리트 표 면을 기준으로 균열부의 구분이 비교적 정확하게 수행됨을 확인할 수 있었다.

2개의 시험체 모두 최대균열폭은 최대모멘트 발생 지점인 시험체의 중앙부에서 나타났다. Fig. 11는 영상분석 기법 (IPM)과 균열확대경(CM)으로부터 계측된 최대균열폭을 시 (a) Concrete

_ Compressive strength test results [MPa]

30 33.7

(b) Rebar

Diameter [mm] Yield strength [MPa]

Tensile strength [MPa]

SD400 13 Over 450 Over 650

Table 1 Material test result

Fig. 7 Background and targets

Fig. 8 Test and measurement set-up

험체의 항복 상태까지 도시한 그래프이다. 영상분석 기법을 이용하여 도출된 최대균열폭은 콘크리트 표면 색상인 파란색 색상정보를 가지는 영역(R1)과 그 외의 영역(R2)으로 구분하 여 균열을 검출하고 최대균열폭을 가지는 균열 선택 후 주 인 장 철근이 매립된 위치에서의 R2 영역 너비를 구함으로써 도 출된 값이다. 하중은 영상 내에서 하중표시계(Indicator)가 위 치한영역에 대하여 OCR 알고리즘을 적용하여 산출된 값을 나타낸 것이다. 그리고 Table 2는 균열확대경을 이용하여 계 측한 순간의 균열폭을 영상분석 기법으로부터 도출된 균열폭 과 비교하여 나타낸 것이다.

하중-균열폭 관계를 살펴보면, A1 시험체의 경우 균열폭 0.2mm 전후 단계에서 재하된 하중의 크기가 증가함에 따라 영상분석 기법에 따른 균열폭은 증가하지만 균열확대경으로 계측된 균열폭은 0.2mm에 머물러있음을 알 수 있다. 이는 균 열확대경이 계측할 수 있는 균열폭의 최소단위가 0.1mm이기 때문에 육안에 의존한 균열확대경의 눈금분해는 수행하지 않 았기 때문이다. 예를 들어, 균열폭이 0.1mm와 0.2mm 사이에 존재한다면, 둘 중 가까운 값을 균열폭으로 기록하였다. 이에 반해 영상분석 기법은 훨씬 상세한 평가가 가능한 것을 알 수 있다. 다만, 영상분석 기법의 정확도는 카메라의 초점거리, 영 상의 해상도, 그리고 영상 내에 담긴 대상물의 실제 크기 등에 영향을 받는다. 또한 촬영 프레임 간격이 짧을수록 더욱 정밀 한 데이터를 취득할 수 있다. 하중-균열폭 결과에서 나타난 바 와 같이 영상분석 기법과 균열확대경을 이용한 균열폭 차이 의 최대값은 A1 시험체가 0.048mm, A2 시험체가 0.047mm로 나타났다. 계측값의 차이가 모두 균열확대경의 최소계측단위 인 0.1mm를 넘지 않기 때문에, 영상분석 기법으로 획득한 결 과는 충분한 신뢰성을 가진다고 판단된다.

3.3.2 시험체 변형 분석 결과

본 연구에서는 영상분석 기법을 이용한 시험체의 변형 분 석을 위하여 콘크리트 표면에 부착된 원형 타겟 도심의 좌표 값을 이용하였다. Fig. 12은 Fig. 6(a)에서 나타낸 것과 같이 시 험체 중앙부 관심영역의 최외단 위치에 설치한 LVDT 수직방 향 변위량과 동일한 위치의 타겟 좌표를 이용한 영상분석 기 법을 적용하여 도출된 처짐을 25mm까지 나타낸 그래프이다.

Table 3은 하중단계별로 각 방법에 대한 처짐값을 나타낸 것 이다. 하중은 5kN 단위로 25kN까지를 대상으로 하였다. A1 시험체의 경우 두 방법 사이의 오차는 2~7%의 범위를 가지는 것으로 나타났고, A2 시험체에서 두 방법간의 오차는 2~6%

Fig. 9 Result of concrete crack analysis using IPM

(a) Part 1 (b) Part 2

(c) Part 3 (d) Part 4

Fig. 10 Closeup of cracked part

Frame No.

Crack Width by IPM [mm]

Crack Width by Crack Meter

[mm]



[mm]

A1

60 0.148 0.1 0.048

80 0.185 0.2 0.015

100 0.231 0.2 0.031

120 0.332 0.3 0.032

140 0.716 0.7 0.016

168 0.939 0.9 0.039

A2

60 0.066 0.1 0.034

80 0.236 0.2 0.036

100 0.266 0.3 0.034

120 0.353 0.4 0.047

140 0.524 0.5 0.024

151 0.926 0.9 0.026

Table 2 Crack width of specimens (IPM vs. Crack Meter)

범위를 가지는 것으로 나타났다. 따라서 본 연구에서 계측에 적용한 색상 기반의 영상분석 기법은 비교적 정확한 계측이 가능하다고 판단된다.

4. 결 론

본 연구에서는 색상에 기반한 영상분석 기법을 이용한 철 근콘크리트 구조물의 균열 탐색 및 변형 분석을 위하여 철근 콘크리트 T형 보를 상대로 3점 휨 시험을 수행하였다. 영상분 석 기법은 기존의 회색조 영상을 사용하는 방법과 달리 칼라 영상을 활용하여 동일한 객체들을 추출하는 방법을 적용하였 다. 영상분석을 통하여 얻어진 결과와 기존 계측장비를 통한 결과를 시험체의 항복시점까지 비교 및 분석하였다. 본 연구 를 통하여 얻어진 결론은 다음과 같다.

디지털 카메라로 취득한 영상에서 콘크리트 표면 색상인 파란색과 그 외의 색상을 구분함으로써 균열을 탐색하였고, 시험체의 주인장철근위치에서의 최대균열폭을 구하고 균열 확대경으로 계측한 결과와 비교한 결과, 최대 오차가 0.1mm 이내로 나타났다. 또한 원형 타겟의 도심의 좌표를 이용하여 얻어진 처짐값과 LVDT에 의한 처짐값을 비교한 결과, 최대 오차가 0.6mm 이내로 오차범위 2~7%를 가지는 것으로 나타 났다.

(a) A1

(b) A2

(a) A1

(b) A2

Fig. 11 Load-crack width (IPM vs. Crack meter) Fig. 12 Load-deflection (IPM vs. LVDT)

Load [kN]

Defl. by IPM [mm]

Defl. by LVDT [mm]



[mm]

A1

5 0.852 0.799 0.053

10 2.113 2.038 0.075

15 3.748 3.690 0.058

20 5.739 5.350 0.389

25 9.817 9.497 0.320

A2

5 0.592 0.622 0.030

10 1.623 1.650 0.027

15 3.777 3.891 0.114

20 6.039 5.704 0.335

25 10.736 11.290 0.555

Table 3 Deflection of specimens according to load step

따라서 색상에 기반한 영상분석 기법은 비교적 정확한 계 측이 가능하여 충분한 신뢰성을 가지는 것으로 판단된다. 추 후 철근콘크리트 구조물의 항복 후 거동의 계측에 적용하여 상세한 평가가 가능할 것으로 사료된다. 하지만 본 연구에서 적용한 영상분석 기법은 균열 발생 전에 색상 페인트가 칠해 져있어야 한다는 한계가 있다. 따라서 실험실 규모의 연구에 서는 적용하기 유용하나, 실구조물에 대한 적용성 확보에는 향후 추가적인 연구가 필요할 것으로 판단된다.

감사의 글

이 과제는 부산대학교 기본연구지원사업(2년)에 의하여 연 구되었음

References

1. Lee, J. H., Jung, C. Y., Woo, T. R., and Cheung, J. H. (2019) Post-yielding Tension Stiffening of Reinforced Concrete Members Using an Image Analysis Method with a Consideration of Steel Ratios, Advances in Concrete Construction, 7(2), 117-126 2. Kim, J., Shin, Y. S., and Min, K. W. (2018), Line Laser Image

Processing for Automated Crack Detection of Concrete Structures, Journal of Computational Structural Engineering Institute of Korea, 31(3), 147-153 (in Korean).

3. J. H. Cheung, J. H. Lee, T. R. Woo, and C. Y. Jung (2017), Evaluation on Strain and Necking Region of the Rebar by Using Image Processing Method, Journal of the Korea Concrete Institute, KCI, 29(1), 33-42

4. Kim, H. J., Ahn, E. J., Cho, S. J., Shin, M. S., and Sim, S. H. (2017),

Comparative Analysis of Image Binarization Methods for Crack Identification in Concrete Structures, Cement and Concrete Research, 99, 53-61

5. Cheung, J. H., Lee, J. H., Woo, T. R., and Jung, C. Y. (2017) Evaluation on Strain and Necking Region of the Rebar by Using Image Processing Method, Journal of the Korea Concrete Institute, KCI, 29(1), 33-42 (in Korean)

6. Kim, S. D., Jung, C. Y., Woo, T. R., and Cheung, J. H. (2016), Application of Image Processing Method to Evaluate Ultimate Strain of Rebar, Journal of the Korea Institute for Structural Maintenance and Inspection, KSMI, 20(3), 111-121 (in Korean) 7. Talab, A., Huang, Z., Xi, F., and Haiming, L. (2016), Detection

Crack in Image Using Otsu Method and Multiple Filtering in Image Processing Techniques, Optik, 127(3), 1030-1033

8. Kaur A. and Kranti B.V. Comparison between YCbCr Color Space and CIE Lab Color Space for Skin Color Segmentation.

International Journal of Applied Information System, 2012; pp.

30-36

9. Tsai, Y. C., Kaul V., and Mersereau, R. M. (2010), Critical assessment of pavement distress segmentation methods, Journal of Transportation, 136(1), 11-19

10. Jung, C. H., Oh, A. S., and Kim, K. B. (2007), Extraction and Analysis of Concrete Surface Cracks, Proceedings of the Korea Multimedia Society Conference, 46-52 (in Korean)

11. Sinha, S. K. and Fieguth, P. W. (2006), Segmentation of buried concrete pipe images, Automation in Construction, 15(1), 47-57 12. Her, J. Y., Kim, K. R., Lim, E. K., Ahn, S. H., and Kim, K. B.

(2006), A Length and Width Extraction of Concrete Surface Cracks using Image Processing Techniques, Proceedings of the Korea Institute of Maritime Information & Communication Sciences, 346-351 (in Korean)

Received : 06/26/2020 Revised : 07/03/2020 Accepted : 07/14/2020

요 지 : 철근콘크리트 구조물에서 균열은 가장 대표적인 손상 유형으로써 구조물의 파괴거동특성 파악을 위한 중요한 분석자료로 활용되

고 있다. 현재 균열조사는 대부분 육안조사에 의존하고 있으며, 이에 대한 개선을 위해서 많은 연구자들이 영상분석기법을 제안하고 있다. 본 연구에서는 영상분석기법을 활용하여 실내 실험수준에서 적용하기 위한 균열평가 방법을 제안하였다. 색상을 이용한 영상분석 기법은 영상내 존재하는 객체들 간의 경계면을 구분하기 위한 것으로 사전에 정의된 색상을 기준으로 비슷한 색상들을 하나의 영역으로 분리하기 위한 방법 이다. 본 연구에서는 영상분석의 정확도를 향상시키기 위해서 콘크리트 표면에 파랑색 페인트를 도포하고 휨 실험을 수행하였다. 영상분석결 과 균열확대경 대비 우수한 정확도의 균열폭 측정이 가능하였고, 동시에 보의 처짐 역시 분석이 가능하였다. 균열과 처짐 모두 기존 계측방법 과 유사한 정확도를 확인할 수 있었으며, 계측 용이성 측면에서 영상분석기법이 매우 우수함을 알 수 있었다.

핵심용어 : 영상분석 기법, 균열폭, 철근콘크리트, 3점 휨 시험