메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
이승주 (Korea Institute of Civil Engineering and Building Technology) 김용성 (Kangwon National University,) 김용진 (Smart E&C) 박종설 (Smart E&C) 지봉준 (Pusan National University)
저널정보
한국지반신소재학회 한국지반신소재학회 논문집 한국지반신소재학회 논문집 제24권 제1호
발행연도
2025.3
수록면
89 - 100 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
터널은 도로, 철도, 지하 인프라 등 다양한 산업 분야에서 핵심적인 역할을 수행하며, 터널 안정성 확보는 경제적·사회적으로 매우 중요한 과제이다. 이러한 터널의 안정석 확보를 위해서는 암반에 대한 이해가 필수적이며 이를 위해 기존에는 현장 지질조사와 광물학적·지구화학적 분석 등을 통해 암석을 분류해왔으나, 이는 시간·비용 측면에서 비효율적이고 경험적 판단에 의존하기 쉬운 한계가 있었다. 최근 빅데이터와 인공지능(AI) 기술, 특히 딥러닝(Deep learning)의 급속한 발전으로 인해, 대규모 암석 이미지를 통해 복잡한 패턴을 자동으로 학습하고 분류할 수 있는 가능성이 열리고 있다. 본 연구에서는 딥러닝을 활용한 암반 분류 프레임워크를 제안하고, 화성암·퇴적암·변성암을 비롯하여 여러 세분류 암석(예: 대리암, 사암, 편암 등)에 대해 다양한 딥러닝 모델을 적용·비교·평가하였다. 연구 결과, 대분류(3분류) 단계에서는 ResNet, EfficientNet, MobileNet 등에서 90% 이상의 높은 정확도를 달성하였으나, 18개 이상의 세분류로 확대할 경우 전반적으로 정확도가 급격히 떨어지는 현상이 관찰되었다. 이는 암석의 조직과 광물 조합이 매우 복잡하고, 클래스 간 경계가 모호해지는 점이 주요 원인으로 분석된다. 본 연구를 통해, 딥러닝 기반 암석 분류가 터널 안정성 모니터링 및 유지관리 분야에서 높은 잠재력을 지님을 확인하였으나, 세분화된 암석 분류 정확도를 높이기 위해서는 추가 데이터가 요구됨을 확인할 수 있었다.
#Deep learning #Rock classification #Tunnel stability #Geotechnical engineering #Machine learning #Maintenance

목차

ABSTRACT
요지
1. 서론
2. 연구 방법 및 절차
3. 실험 및 결과
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

최근 본 자료

전체보기

댓글(0)

0