인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2026.5
- 수록면
- 305 - 314 (10page)
이용수
초록· 키워드
최근 제정된 궤도시설 성능평가 세부지침은 구체적인 평가 절차와 수행 방안을 명시하고 있으나, 현장 실무에서는 여전히 점검자의 육안에 의존한 정성적 판단으로 손상 등급이 결정되는 한계가 있는 실정이다. 이에 본 논문은 딥러닝 기반의 전용 애플리케이션을 활용하여 레일 결함을 진단하는 방식의 현장 적용성을 검증하였다. 기존 연구를 통해 확보한 레일표면손상 이미지 및 레일내부손상(SEM) 이미지 데이터를 Fast R-CNN과 Faster R-CNN+EfficientNetV2 알고리즘에 학습시켰으며, 이를 탑재한 앱의 현장 적용성을 상호 비교하였다. 스마트 기기에서 작동하는 진단 앱은 인공지능 모델을 통해 레일 표면의 손상 규모를 진단한다. 본 연구에서는 실제 현장 적용성을 확인하고자 특정 실증 구간 내 3개 지점을 선정하였으며, 총 3대의 스마트폰을 투입하여 레일 열화 상태를 측정하였다. 분석 결과, Faster R-CNN에 EfficientNetV2를 결합한 모델이 기존 Fast R-CNN 대비 약 5%의 정확도가 높으며 진단 역량이 우수한 것으로 나타났다. 따라서 본 기술의 현장 도입 적정성이 입증되었으며, 점검자가 개별적으로 검측을 수행하더라도 편차 없는 균일한 데이터를 도출함으로써 인적 오류를 최소화하는 것으로 분석되었다.
#레일진단 애플리케이션
#레일표면손상
#딥러닝
#진단시스템
#Rail Diagnostic Application
#Rail surface damage
#Deep learning
#Diagnostic system
#A.I.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- Abstract
- Ⅰ. 서론
- Ⅱ. 레일표면손상 진단 애플리케이션 현장적용성 평가
- Ⅲ. 레일표면손상 진단
- Ⅴ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
