레일 표면결함 탐지를 위한 기계학습 네트워크 구축 및 최적화 연구

초록

열차운행안전확보를 위해 레일관리의 중요성이 커지고 있다. 이를 위해 레일표면결함을 검출하고 이를 바탕으로 레일유지관리를 하기 위해서 휴대용 레일 표면결함 촬영장비로 철도 노선에서 표면결함 이미지를 수집하였다. 수집된 이미지를 바탕으로 UNet, PSPNet, Deeplab V3+ 세 가지 semantic segmentation 모델을 구축하고, 데이터 베이스(D/B) 크기와 배치(batch) 크기를 변화시켜가며 각 모델의 성능을 비교 분석하였다. 성능 평가는 재현율, 정밀도, 정확도, IoU, 픽셀 정확도 등 다양한 지표를 적용하였고, 결함검출 정확도와 성능을 평가하였다. 분석 결과, Deeplab V3+가 전반적으로 우수하고 안정적인 성능을 보였으며, D/B 크기 116장 이상, 배치 크기 4 이상에서 최적의 성능을 나타냈다. 본 연구 결과는 효율적인 레일 표면결함 탐지 시스템 구축을 위한 기초 자료로 활용될 수 있을 것으로 판단된다.

키워드