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
- 399 - 409 (11page)
이용수
초록· 키워드
철도 레일은 차륜과의 접촉면에서 구름 접촉 피로 균열이 상시 발생할 수 있는 환경에 노출되어 있어, 절손 사고를 방지하기 위한 정밀한 점검과 진단이 필수적이다. 최근 궤도 시설 성능평가에 관한 세부 지침이 마련되었으나, 여전히 레일 표면 손상 진단 및 등급 산정은 점검자의 주관적 판단에 의존하는 육안 조사 방식이 주를 이루고 있어 정량적 평가체계 구축이 시급한 실정이다. 따라서 본 연구에서는 레일 표면 결함을 정밀하게 검출하고 이를 통해 내부 손상까지 유추할 수 있도록 Faster R-CNN에 고성능 백본 네트워크인 EfficientNetV2를 결합한 하이브리드 딥러닝 모델의 제안하였다. 또한 SVM, Faster R-CNN, Mask R-CNN과 Faster R-CNN+EfficientNetV2 4가지 알고리즘별 모델 비교를 통해 분석하였다. 레일 표면 결함 이미지 데이터 세트를 구축하고 성능을 분석한 결과, Faster R-CNN+EfficientNetV2 모델의 mAP@0.5 기준 0.968(96.8%)의 우수한 검출 성능을 확보하였다. 본 모델은 미세한 결함 식별 성능이 탁월하여, 기존 육안 조사 및 단순 모델의 한계를 극복하고 레일 유지보수의 효율성을 높일 수 있을 것으로 기대된다.
상세정보 수정요청해당 페이지 내 제목·저자·목차·페이지정보가 잘못된 경우 알려주세요!
목차
- 요약
- Abstract
- Ⅰ. 서론
- Ⅱ. 레일 표면 손상 데이터 구축
- Ⅲ. 레일표면손상 딥러닝 모델 분석
- Ⅳ. 딥러닝 모델 적정성 분석
- Ⅴ. 결론
- References
참고문헌
참고문헌 신청최근 본 자료
