본 논문은 콘크리트 교량 데크의 층분리, 공극, 허니컴과 같은 표면 하부 결함을 탐지하기 위한 기계 학습 기반의 충격 반향(IE) 프레임워크를 제시한다. 이 프레임워크는 결함 위치 파악과 일반적인 콘크리트 결함의 다중 클래스 분류를 자동화한다. 고속 푸리에 변환(FFT)을 통해 IE 신호를 특징 추출하고, k-평균 클러스터링을 활용하여 결함 가능성이 높은 영역을 강조한다. 또한, LSTM 네트워크를 사용하여 4가지 결함 유형(얕은 층분리, 깊은 층분리, 공극, 허니컴)을 분류하며, 실험실 데이터로 훈련된 모델이 실제 환경에서도 유효함을 확인했다.
