구조물 건전성 진단에서 데이터 부족 문제 극복을 위한 심층 생성 모델의 활용

Abstract

딥러닝 알고리즘 훈련을 위해서 충분한 양의 데이터 확보가 필수적이다. 그러나, 공학시스템에서 데이터 취득은 매우 어렵거나, 상황에 따라 불가능한 경우가 존재한다. 이러한 데이터 부족 문제는 딥러닝 알고리즘 개발에 큰 걸림돌이 되고 있다. 본 논문은 구조물 건전성 진단을 위한 딥러닝 알고리즘 개발에서 발생하는 데이터 부족 문제 해결을 시도하였다. 깊은 생성 모델을 구축하고 딥러닝 학습을 위한 훈련 데이터를 생성하는 방법을 제안한다. 제안된 방법의 성능을 검증하기 위해 수상 양식장 어망 데이터를 바탕으로 사례 연구를 진행하였다. 본 연구는 제안된 심층 생성 모델을 통해 데이터를 직접 만들어 냄으로써 구조물 건전성 진단에서 발생되는 데이터 부족 문제 해결에 기여할 것으로 기대된다.