2.1.1 능동형 열화상 이론

열화상 기법은 적외선 카메라를 사용하여 물체의 열 특성을 보거나 온도와 관련된 상태를 평가하는 방법으로, 수동형 열화상(passive thermography)기법 및 능동형 열화상 기법으로 분류된다^{(ACI 228}.2R-13). 물체에서 방출되는 자연 발생 열광에 의존하여 열 대비를 관찰하는 수동형 열화상기법과 달리, 능동형 열화상기법은 물체에 외부 에너지원을 가하여 적외선 카메라로 분석하는 과정으로 물체의 온도 변화 과정을 관찰하는 기법이다. 주변 환경 변화에 영향을 받지 않기 때문에 상관없이 결함부위의 온도변화를 감지하기에 용이하다. 또한, 열원의 영향이 미치는 면적을 동시에 검사할 수 있고, 균열, 박리와 같은 결함부 만을 실시간으로 검출할 수 있어 콘크리트, 강구조의 결함 검출 기술로 활용되고 있다^{(Lee and Sohn 2022; Park et al. 2024)}. 일례로, 콘크리트 내부 공극 검출 시간을 감소시키기 위해 외부 열에너지원으로 1,800 W의 근적외선 히터를 사용하는 등 주로 공극 또는 결함 탐사를 목적으로 능동형 열화상 기법이 이용되고 있다^{(Sim et al. 2008)}. 따라서 본 연구에서는 마감재 내부의 보이지 않는 구조부재 표면의 균열을 검출하기 위 능동형 열화상 기법을 채택하였다.

모든 물체는 플랑크 흑체 복사 법칙에 따라 모든 파장의 전자기파를 방출한다. 열화상 센서는 가시광선과 마이크로파 사이의 0.7~1,000 µm 파장을 갖는 적외선을 감지하여 대상 물체의 온도를 계측한다. 적외선은 단위 길이당 파장이 길기 때문에 투과력이 뛰어나고, 가시광선보다는 낮은 에너지를 가지고 있지만, 적색 다음으로 높은 에너지 준위를 가지고 있어 현열 효과가 뛰어나다.

적외선은 Table 1과 같이 파장 대역에 따라 근적외선(near- wave, NIR), 단파장 적외선(short-wave, SWIR), 중파장 적외선(mid-wave, MWIR), 장파장 적외선(long-wave, LWIR)으로 분류된다. 그중 8~15 µm의 파장대역을 가지고 있는 장파장 적외선은 적외선 구간 중 파장이 가장 길고 진동수가 작아 높은 투과성을 지니기 때문에 마감재 내부 콘크리트 구조균열과 같은 미세 영역 투과에 유리할 것으로 판단된다. 또한, Fig. 1과 같이 일상생활에서 쉽게 접할 수 있고 열 영상 촬영에 주로 쓰이는 -20~100 °C의 온도 범위에서 높은 복사 강도(radiation intensity)를 보여 실내 사용성 면에서 장점을 지닐 것으로 사료된다^{(Gade and Moeslund 2014)}.

본 연구에서는 장파장 적외선을 가진하고 계측하여 마감재 내부 콘크리트 균열을 확인하고자 하였다. Fig. 2에 나타낸 계측 개념도와 같이 Ⅰ, Ⅱ, Ⅲ 순서에 따라 마감재가 시공된 콘크리트 표면에 적외선 램프가 장파장 적외선을 방출함과 동시에 열화상 카메라를 사용하여 해당 영역을 스캐닝한다. Ⅱ와 같이 가열 영역에 존재하는 균열은 열전달 흐름을 방해하고 균열부에 불연속적인 온도변화를 일으켜 균열의 형상이 나타나게 된다. 또한, Ⅲ과 같이 가열 이후에도 건전부보다 높은 온도를 유지하여 균열 유무 관측이 가능하기 때문에 열화상 카메라를 통하여 직관적으로 균열의 유무를 확인할 수 있다.

Fig. 1 Intensity of black body radiation versus wavelength at specific temperatures.

Fig. 2 Schematic illustration of the proposed measurement method

2.1.2 열원 및 적외선 카메라 장비 구성

본 연구에서 사용한 적외선 램프는 전력 소비량 1,000 W, 50~60 Hz의 주파수와 0~100 °C의 가열 범위를 갖는다. 또한 가열된 마감재 표면의 온도변화를 계측하기 위한 열화상 카메라는 FLIR One pro을 사용하였다. Fig. 3사용한 장비를 각각 나타내었다.

FLIR One pro 열화상 센서의 파장대역은 장파장 적외선(LWIR) 구간 8~14 µm로, 온도 측정 범위는 -20~120 °C 및 0~ 400 °C이다. 열 민감도(noise equivalent temperature difference, NETD)는 70mK로, 0.07 °C의 온도 분해능을 보여준다. 또한, 두 개의 카메라 모듈(RGB 및 적외선 센서)로 구성되며, RGB 카메라 모듈의 해상도는 1,440×1,080, 적외선 센서 모듈의 해상도는 160×120로 최대 19,200개의 측정지점에 대해 계측이 가능하다. 픽셀 피치(pixel pitch)는 12 µm로, 피사체와의 거리 100 mm에서 픽셀 폭은 0.65 mm이다^{(FLIR 2022)}.

Fig. 3 Photo of experiment equipments

상용 열화상 카메라와의 장비별 성능 비교를 위하여, 일반적으로 활용되는 카메라의 성능 정보를 Table 2에 요약하였다. 본 연구에 사용된 열화상 카메라는 타 장비에 비해 해상도 측면에서 불리함이 있으나 무게와 같은 휴대성에서 압도적인 편리함을 가지고 있다. 특히 일반 휴대폰과 연동하여 사용하는 형태로 계측에 특수한 기술적 교육이 필요없어 작업성이 매우 뛰어나다. 카메라 비용 및 무게 대비 뛰어난 성능과 휴대성을 제공하며 실용적으로 활용할 수 있는 간이기법 개발에 적합하다.

2.2.1 2차원 합성곱(2D Comvolution)

본 연구에서는 수직, 수평 경계 검출에 쓰이는 Prewitt 필터와 수직, 수평, 대각선 방향의 경계 검출에 쓰이는 Sobel 필터를 사용하여 2차원 합성곱을 수행함으로써 열화상 이미지 내 균열의 형상을 추출하였다.

합성곱(convolution)은 신호 처리와 이미지 처리 분야에서 주로 사용되는 개념이다^{(Weisstein 2003)}. 이미지 처리에서의 합성곱은 2차원 합성곱(2D Convolution)으로, 공간 도메인에서 정의된다^{(Ahn 2022)}. 이는 입력 이미지와 필터 간의 연산이며, Table 3과 같다.

Table 3 2D convolution

여기서, $g$는 출력 이미지(filtered image), $\omega$는 필터, $f$는 입력 이미지(original image)이며, $dx,\: dy$는 필터 상의좌표, $x,\: y$는 입력 이미지상의 좌표를 의미한다. $S$는 필터의 크기, $n$은 자연수를 의미하며, a, b는 연산에 사용된 필터의 크기에 따라 결정되는 상수로, 각 필터 요소의 좌표를 정의한다. 본 연구에서 사용한 필터는 수직 경계 검출을 위한 Sobel 필터와 수직 및 수평 방향 경게 검출을 위한 Prewitt 필터를 사용하였으며, 3×3 크기의 필터를 사용했으므로 $s$는 3으로 결정하였다^{(Prewitt 1970; Sobel 2014)}. Fig. 5와 같이 입력 이미지에 필터를 이동시키며 각 위치에서 필터의 요소와 입력 이미지의 해당 픽셀 값을 곱한 후, 그 값을 모두 더하여 출력 이미지 해당 위치의 픽셀로 설정한다. 이 과정을 입력 이미지 모든 픽셀에 수행하면 최종 출력 이미지가 반환되며 픽셀 값의 변화량이 큰 부분을 강조한다. 이에 따라 이미지 특징 추출 및 패턴 인식이 가능하다.

Fig. 5 Example of filter operations in 2D convolution

2.2.2 PELT (pruned exact linear time)

2차원 합성곱을 통해 추출된 균열 형상 이미지에서 각 행을 추출하였을 때 진폭이 급격하게 상승하고 하락하는 균열 구간이 존재한다. 이에 진폭의 급격한 상승 및 하강 지점을 자동으로 추출하여 균열 폭을 정량적으로 분석하기 위해 PELT 기법을 적용하였다. PELT 기법은 실수 시계열 데이터 또는 순차 데이터에서 변화점을 감지하는 데 사용되는 통계적 기법 중 하나로 지진 감지, 뇌파 분석, 이미지 처리 등 신호 처리 분야에서 주로 사용되는 기법이다. Table 4에 사용된 알고리즘을 나타내었다^{(Killick et al. 2012)}.

Table 4 Pruned exact linear time (PELT) algorithm

여기서, $(y_{1},\: y_{2},\: \cdots ,\: y_{n})$은 실수 데이터 집합이다. 실수로 이루어진 Input에 대해 $F$는 이전 변화 지점들까지의 비용 함수, $cp$는 최적의 변화 지점, 그리고 $R$은 변화 지점이 될 가능성이 있는 $\tau *$의 집합을 의미한다. 또한, $\beta$는 변화점의 개수와 위치에 의존하지 않는 패널티 상수, 적합도 측정값 $C(.)$는 데이터에 따라 달라진다. 시계열 또는 순차 데이터에서 변화 지점의 수를 미리 알 수 없는 경우, 과적합 및 과소적합 문제가 발생할 수 있으므로 최적의 패널티 상수를 선택하는 것이 중요하다^{(Bang et al. 2022)}. 이에 따라 각 데이터에서 2개의 변화지점을 감지할 수 있도록 패널티 상수를 결정하였으며, 감지된 각 변화지점은 균열 구간의 시작 지점과 끝 지점을 의미하기 때문에 지점별 위치 차이로부터 균열 폭 추정이 가능하다.

3.1.1 콘크리트 시편 제작

실험에 사용된 콘크리트 시편은 Fig. 6(a)와 같이 가로 250 mm, 세로 500 mm, 높이 120 mm의 크기로 제작하였으며, 콘크리트의 압축강도는 재령 28일 기준 35 MPa로 설계하였다. 균열 모사를 위한 굽힘 시험 시 취성적 파괴를 방지하기 위해 D10 철근을 200 mm 간격으로 배근하였다. Fig. 6(b)와 같이 3점 굽힘 실험을 수행하였다. 가력 시험 장비는 최대 1,000 kN 용량의 UTM(universal testing machine, KSU-100HSO)을 사용하였고, 미세한 균열 폭을 모사하기 위해 0.2 mm/min의 속도의 변위제어 방식으로 가력을 실시하였다. 균열의 폭을 실시간으로 확인하기 위해 실험체 중앙부에 CMOD(crack mouth opening displacement) 센서를 설치하여 수행하였으며, Fig. 7에 균열 크기에 따른 균열손상을 모사 결과를 나타내었다.

서울시에서 제공한 제3종 시설물 지정 대상 내 중소형 노후 건축물(제3종시설물 등) 내부의 주요 마감재 중 50 % 이상이 도배지가 사용된 것으로 보고되었다^{(Kim 2023)}. 이에 본 연구는 두께 약 0.3 mm의 도배지(합지벽지)를 실험검증 대상 마감재 재료로 선정하였으며, 균열이 모사된 콘크리트 표면에 시공하였다. 3점 굽힘 시험을 통해 콘크리트 시편에 모사된 균열 손상은 Fig. 8(a)와 같이 육안으로 관측이 가능하다. 여기에 균열손상을 덮도록 마감재(도배지)를 시공하면 Fig. 8(b)와 같이 균열손상 관측이 불가능하였다.

Fig. 6 Specimen preparation

Fig. 7 Induced surface cracks measured by crack-gauge

Fig. 8 Concrete specimen-0.5 mm crack width (red dotted line indicates crack location)

3.1.2 열화상 장비와 지그

열화상 지그는 적외선램프와 열화상 카메라로 구성된 휴대용(hand-held type)과 정밀 계측용 고정형 스캐닝 형태(fixed type) 두 가지로 제작하였다. 휴대용 지그는 Fig. 9(a)와 같이 손잡이 형태의 간단한 구성으로 제작되어 현장 조건에 따라 바닥, 벽면, 천장 등 자유로운 계측이 가능하다. 적외선 램프의 가열 면적은 300 mm×200 mm으로, 콘크리트 시편의 표면으로부터 100 mm가 떨어진 상태로 도배지 표면을 가열한다. 열화상 카메라는 열번짐 최소화를 위해 적외선램프와 300 mm의 간격을 두어 핸드폰과 함께 배치하였으며, 카메라 화각을 고려하여 220 mm 높이에서 마감재 표면의 열전달 패턴을 수집하였다. 고정형 스캐닝 지그는 보다 정밀한 계측을 목적으로 콘크리트 시편 표면에 균일하게 열원을 가진할 수 있는 형태로 제작하였다. Fig. 9(b) 같이 좌-우 이동이 가능한 샤크 슬라이더에 장비가 고정되어있으며마감재 표면을 가열하는 동시에 열화상 이미지를 자동으로 계측할 수 있도록 만들어졌다. 여기서, 고정형 스캐닝 지그의 가열 높이 및 열원과 카메라간 거리 및 촬영 높이는 휴대용 스캐닝 지그와 동일하게 계획하였다.

Fig. 9 Thermal imaging equipment