Construction Site Scaffolding Completeness Detection Based on Mask R-CNN and Hough Transform
Created by
Haebom
Category
Empty
저자
Pei-Hsin Lin, Jacob J. Lin, Shang-Hsien Hsieh
개요
본 논문은 건설 현장의 비계 안전 검사를 위한 딥러닝 기반 접근법을 제안한다. 컴퓨터 비전을 활용하여 이미지에서 비계와 가새(cross brace)를 자동으로 탐지하는 CNN 모델을 학습시키고, 이를 통해 비계의 완전성을 자동으로 검사하여 수동 검사에 필요한 시간과 노력을 절감하는 것을 목표로 한다. 라벨이 달린 비계 이미지 데이터셋을 사용하여 모델을 학습시키며, 가새의 누락 등 안전 위반 사항을 효율적이고 비침습적으로 감지할 수 있는 방법을 제시한다.
시사점, 한계점
•
시사점:
◦
건설 현장의 비계 안전 검사에 소요되는 시간과 노동력을 크게 절감할 수 있다.
◦
비계의 완전성을 효율적이고 정확하게 검사하여 안전 사고를 예방하는 데 기여할 수 있다.
◦
비침습적인 방식으로 안전 검사를 수행할 수 있다.
•
한계점:
◦
제안된 모델의 성능은 사용된 데이터셋의 질과 크기에 의존적일 수 있다.
◦
다양한 조명 조건, 날씨, 시야 등 실제 건설 현장의 복잡한 환경에서의 성능을 평가할 필요가 있다.
