이명훈
(Myung-Hun Lee)
1
우욱용
(Ukyong Woo)
2
이주원
(Juwon Lee)
1
최하진
(Hajin Choi)
3†iD
김종찬
( Jong-Chan Kim)
4
-
숭실대학교 건축학부 석사과정
(Graduate Student, Department of Architecture, Soongsil University, Seoul 06978, Rep.
of Korea)
-
숭실대학교 건축학과 박사과정
(Graduate Student, Department of Architecture, Soongsil University, Seoul 06978, Rep.
of Korea)
-
숭실대학교 건축학부 부교수
(Associate Professor, Department of Architecture, Soongsil University, Seoul 06978,
Rep. of Korea)
-
서울연구원 안전인프라연구실 부연구위원
(Associate Research Fellow, Division of Safety and Infrastructure Research, The Seoul
Institute, Seoul 03909, Rep. of Korea)
Copyright © Korea Concrete Institute(KCI)
키워드
콘크리트, 균열, 마감재, 비파괴, 열화상 카메라
Key words
concrete, cracks, finishes, non-destructive test, thermal imaging camera
1. 서 론
최근 전 세계적으로 인프라 건축물 및 노후화 건축물이 급격히 증가하는 추세이다. 건축물 노후화로 인해 복합 재난 및 사고의 위험성이 증가하고, 안전・유지관리의
중요성이 부각되고 있다. 국내의 경우 건축물 붕괴 예방을 위한 노후 건축물 안전 관리 대책을 발표하는 등 노후 건축물 안전에 대한 관심이 높아지고
있다(MOLIT 2019). 건축물의 안전 및 유지관리에 관한 특별법 제7조에 따라 건축물을 종류와 규모에 따라 분류하고 정기적인 안전점검을 수행하고 있으며, 준공 후 15년이
경과한 중소규모 노후 건축물 등을 포함하는 제3종시설물에 대하여 자치단체가 육안검사를 통해 안전점검을 실시하고 있다. 하지만 준공 후 30년이 경과한
노후화 건축물이 향후 10년 내로 전체의 70 %를 넘어설 것으로 나타나 건축물 안전관리가 국민 안전에 직결된 문제로 대두되고 있다(KALIS 2021). 따라서 노후건축물 증가에 따른 적극적인 대책 마련과 효율적 안전점검을 위한 기술개발이 필요하다.
현재 국내 연면적별 철근 콘크리트 구조 건축물은 2021년 기준 전체 건축물의 약 82 %로, 대다수의 건축물이 콘크리트를 주요 재료로 사용하고 있다(MOLIT 2021). 이에 콘크리트의 구조적 안전성에 대한 논의가 꾸준히 이어지고 있으며, 그중 콘크리트의 노화 및 결함 검출을 위한 비파괴 및 비접촉 검사기법에 관한
연구가 활발히 진행 중이다(Chu et al. 2022; Colombani and Andrawes 2022; Gharehbaghi et al. 2022). 콘크리트의 대표적 결함인 표면 균열은 외부로부터 유입되는 수분, 공기와 같은 부식 요소로부터 콘크리트 내부의 철근을 노출시키기 때문에 철근 부식을
가속화하고 건축물의 성능을 저하시킨다. 이러한 콘크리트 표면 균열은 점검자의 육안검사를 통해 진단이 가능하며 주입 또는 충진 공법 등으로 균열 보수할
수 있다. 그러나, 콘크리트의 표면부가 벽지 등의 마감재로 처리된 경우 점검자의 육안검사를 통한 균열 검출이 제한적이다. 이에 초음파 탐상법, 방사선
투과법 등 비파괴 기술 기반 점검 기법에, 전자기파(GPR) 기법을 활용하여 콘크리트 시설물 내부 공극 및 PVC 파이프를 추출하는 연구가 수행되는
등 실제 건축물 안전점검에 활용되고 있다(Pugliesi and Andrade 1996; Andi and Yohanes 2019; Dung 2019; Lee et al. 2022; Hwang and Shim 2023). 하지만, 2018년 대종 빌딩 정기 안전점검 당시 비파괴 검사기법을 기반으로 한 안전진단 결과 A등급(양호 수준) 판정을 받았으나 마감재 제거
후 붕괴위험 수준의 손상이 발견되었다(Kim and Kim 2018). 따라서 기존 검사법의 정확성과 신뢰성이 검증될 필요가 있으며, 안전사고 예방 및 대책 마련을 위한 마감재 미제거 건축물의 점검기법 개발이 필요하다.
적외선 열화상 기반 비파괴 검사기법은 열전달 패턴 분석을 통해 건축물의 내부 결함을 평가한다. Tashan and Al-Mahaidi (2014)은 탄소섬유로 보강된 철근 콘크리트 기둥의 구조실험 중 내부 손상을 열화상 탐상법으로 확인하는 연구를 수행했다. 한편 위상잠금 열화상기법(lock-in
thermography)에 따라 수집된 열화상 이미지를 이용하여 일정 주기의 국부적 진폭과 위상을 추출하는 연구가 1976년 수행되었으며, 이를 기반으로
액화 천연가스(LPG) 운반선 triplex bonding layers의 공극 감지 및 정량화를 위해 열화상 기법을 사용하는 등 여러 층으로 구성된
건축물의 검사에 적극적으로 활용되고 있다(Carlomagno and Berardi 1976; Song et al. 2015). 다만, 상기 기법은 실시간 계측이 어렵고 고가의 열화상 카메라 및 열원 소자가 사용되어 철근 콘크리트 건축물 대상 상용화에 한계가 있다.
본 연구에서는 능동형 열화상(active thermography)기법을 콘크리트 건축물에 적용하기 위한 장비 구성 및 해석 알고리즘을 개발하였다.
사용성이 편리한 저가 휴대용 열화상 카메라와 열원을 연결하여 간이 시스템을 구성하였다. 또한 계측된 데이터로부터 균열 형상 추출 및 열 번짐 현상
등 노이즈를 보정하기 위해 2차원 합성곱(2D Convolution) 연산을 수행하였다. 추가적으로 균열 영역의 온도 패턴을 기반으로 균열부의 특정
온도 값 추출 및 마감재 내부 균열 폭을 도출하기 위해 신호의 변화점을 감지하는 PELT(pruned exact linear time) 기법을 사용하였다.
제안된 기법의 검증을 위하여 다양한 균열 폭(0.3 mm, 0.5 mm, 0.7 mm, 1.0 mm)을 갖고 있는 콘크리트 검증시편을 제작하여 분석을
진행하였다. 제안된 기법은 마감재가 부착된 철근 콘크리트 시편의 균열 계측에 효율적으로 적용이 가능하며, 추후 마감재가 부착되어 있는 중요부재의 안전진단에
활용을 기대한다.
2. 제안방법
2.1 능동형 열화상 기법 및 장비구성
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.
Table 1 Infrared sub-division for cameras
Division name
|
Abbreviation
|
Wavelength (µm)
|
Near-wave
|
NIR
|
0.7~1.4
|
Short-wave
|
SWIR
|
1.4~3
|
Mid-wave
|
MWIR
|
3~8
|
Long-wave
|
LWIR
|
8~15
|
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.
Table 2 Specifications of thermal imaging cameras in the FLIR range
Outline
|
FLIR A65sc
|
FLIR E95
|
FLIR T420bx
|
FLIR One pro
(used in this study)
|
Wavelength band (µm)
|
7.5 to 13
|
7.5 to 14.0
|
7.5 to 13
|
8 to 14.0
|
Thermal resolution
|
640×512
|
464×384
|
320×240
|
160×120
|
NETD (mK)
|
50
|
30
|
45
|
70
|
Pixel pitch (µm)
|
17
|
17
|
13
|
12
|
Temperature resolution
|
<0.05 °C
|
<0.03 °C at 30 °C
|
<0.045 °C at 30 °C
|
<0.1 °C
|
Frame speed (Hz)
|
7.5
|
30
|
60
|
8.7
|
Standard temperature range
|
-25 °C to +135 °C
|
-20 °C to 120 °C
|
-20 °C to 350 °C
|
-20 °C to 120 °C,
0 °C to 400 °C
|
Accuracy
|
+/-5 °C or +/- 5 %
|
+/-2 °C or +/- 2 %
|
+/-2 °C or +/- 2 %
|
±5 %
|
Lens
|
13 mm (45°×37°)
|
42°×32° (10 mm), 24°×18° (17 mm), 14°×10° (29 mm)
|
25° (optional 6°, 15°, 45°, 90°, close up 100 µm, 50 µm lenses available)
|
50°±1° / 38°±1°
|
Focus
|
Manual
|
Manual/Automatic
|
Manual/Automatic
|
Manual/Automatic
|
Weight (kg)
|
0.2
|
1
|
0.88
|
0.0365
|
Size (mm)
|
106×40×43
|
278×116×113
|
106×201×125
|
68×34×14
|
2.2 균열 탐지 및 균열 폭 평가
계측된 열화상 이미지로부터 더욱 정밀한 균열에 대한 평가를 위하여 다음과 같은 이미지 처리 알고리즘을 적용하였다. 적외선 열화상 이미지 처리에 2차원
합성곱과 시계열 데이터 기반 Auto-Picking 기법으로 알려진 PELT 기법을 사용하였다. 콘크리트 시편의 마감재 내부 균열을 탐지하기 위해
열화상 이미지를 촬영하고 균열 폭을 계측하는 일련의 과정을 자동화하였으며, 해당 과정을 Fig. 4에 개략적으로 표현하였다. 마감재 내부 균열은 열화상 카메라를 통해 RGB로 표현된 이미지와 촬영 범위의 온도 값으로 배열된 온도 데이터의 형태로
시각화된다. 640×480×1 크기의 온도 데이터와 필터와의 합성곱 연산을 통해 필터 종류에 따른 특징(feature)을 추출하게 되며, 이후 640개의
행으로 이루어진 온도 데이터의 각 행을 추출, PELT 기법을 적용하여 온도 벡터의 변화점을 감지한다. 이때 변화점은 좌표로 반환되며 온도 벡터 내
변화점 간의 거리를 추출하여 균열 폭을 도출하였다. 해당 알고리즘은 기존 연구와 같이 시간에 따른 변화를 평가하거나 위상차를 이용하여 결함을 추출하는
과정 없이 불규칙하게 수집된 적외선 영상으로부터 균열 추출 및 평가가 가능하다.
Fig. 4 Flowchart showing the detection and width measurement of internal cracks of finish based on thermal image
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.
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. 실험적 검증
3.1 실험구성
균열 모사 및 마감재가 시공된 콘크리트 시편을 활용해 제안된 열화상 기반 점검 기법을 검증하였다. 콘크리트 실험체의 균열손상은 총 4가지(0.3 mm,
0.5 mm, 0.7 mm, 1.0 mm) 폭으로 계획하였다. 시편 중앙에 단일 균열손상을 모사하기 위해 3점 굽힘 시험을 수행하였다. 균열 모사
후 손상부 표면에 마감재를 시공하였으며, 마감재로 가려진 균열 손상을 관측하기 위해 열화상 카메라와 적외선램프로 구성된 휴대용 및 고정형 스캐닝 지그를
제작하였다.
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 중소형 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
3.2 열화상 이미지 계측
도배지로 덮여있는 콘크리트 시편의 내부 균열을 관측하기 위하여 휴대용 지그와 고정형 스캐닝 지그를 활용한 열화상 이미지 촬영을 수행하였다.
Fig. 10은 휴대용 지그를 이용하여 약 9.5초간 열원 1회 가진 및 촬영한 열화상 이미지이다. 별도의 데이터 처리 없이 짧은 시간 내에 균열손상 부위 주변의
열변화 패턴 차이를 통해 마감재 내부 균열 유무 확인이 즉각적으로 가능하였다. 균열 폭 0.3 mm와 같은 매우 작은 균열까지도 직관적인 확인이 가능함을
알 수 있다.
하지만 열 번짐 현상과 도배지의 들뜸 및 표면 공극 등의 노이즈로 인해 불필요한 요소까지 시각화되는 것을 확인할 수 있다. 따라서 이미지 후처리를
통해 이와 같은 도배지 들뜸과 표면 공극, 열 번짐 현상 등 불필요한 이미지 노이즈를 최소화할 필요가 있다. 균열에 대한 정량적 분석을 위하여 제작된
고정형 스캐닝 지그를 이용한 열화상 이미지 촬영을 추가적으로 수행하였다. 열원 가진 속도, 촬영 높이를 고정하여 마감재 표면부에 열원을, 0.017
m/s의 속도로 총 10회 가열하였다. 계측 시간은 약 8분이 소요되었다. 고정형 스캐닝 지그를 활용한 촬영은 균열 부위의 열흐름 패턴을 초당 1회
주기로 계측하여 더욱 정밀한 해석이 가능하다. Fig. 11은 균열 폭 0.5 mm에서 촬영된 열화상 이미지로, 고정형 지그를 통하여 일정하게 스캐닝함에 따라 균열부에서 발생하는 열적패턴을 분명하게 추출할
수 있음을 보여준다.
Fig. 10 Thermal images measured by hand-held type
Fig. 11 Example of thermal images measurement by fixed type
Fig. 12 Thermal images measured by fixed type
Fig. 12는 고정형 스캐닝 지그로 수집된 균열별 열화상 이미지 중 일부이다. 휴대용 지그로 계측된 결과 대비, 도배지의 들뜸, 표면 공극 등의 불필요한 요소가
일정부분 제거된 것을 확인할 수 있다. 해당 데이터를 사용하여 이미지 프로세싱을 수행하였으며, 균열 폭에 대한 정량분석을 실시하였다.
3.3 열화상 이미지 데이터 후처리 및 균열 폭 도출
이미지 데이터 후처리를 위하여 먼저 수집된 열화상 이미지로부터 마감재 표면 온도 정보를 추출하였다. Fig. 13(a)는 원본 데이터의 온도 분포를 나타낸 것으로, 건전부의 불균일한 가열요소로 인해 명확한 균열 식별이 어려운 것을 확인할 수 있다. 이에 정량적인 균열
양상을 도출하기 위해 추출된 마감재 표면 온도 정보에 대한 2차원 합성곱을 수행하였다. 열화상 이미지와 필터 간의 2차원 합성곱 연산은, 필터의 배열에
따라 이미지에서 대비가 강한 경계를 강조하여 배경을 억제한다. 필터는 열화상 이미지 내 균열 형상을 고려하여 수평 경계 검출을 위한 Prewitt
필터와 수직, 수평, 대각선 방향의 경계 검출을 위한 Sobel 필터를 사용하여 균열 형상을 추출하고 열 번짐 현상을 보정하였다.
Fig. 13 Data processing procedure
Fig. 13(b)는 2차원 합성곱 연산의 결과로, 균열부의 경계가 강조된 것을 확인할 수 있다. 2차원 합성곱은 matlab 프로그램에서 지원하는 conv2 함수를
사용하였다. 0보다 작은 모든 입력값을 0으로 설정하였으며, 상대적으로 높은 온도 분포를 보이는 균열부 온도를 강조하기 위해 0~1 사이의 값으로
정규화하였고, 그 결과는 Fig. 13(c)와 같다. 이러한 과정을 통해 정량적인 관측이 어려웠던 마감재 내부 균열의 형상이 뚜렷해진 것을 확인할 수 있으며, 균열을 제외한 노이즈(열번짐,
마감재 들뜸 등)가 제거됨에 따라 균열 존재 여부를 명확하게 관측할 수 있다.
이러한 이미지 후처리 결과를 균열 폭 별로 구분하여 Fig. 14 마감재 내부 균열을 매우 뚜렷하게 확인할 수 있는 반면, 2차원 합성곱 연산과정에서 일정 패턴의 필터를 적용함으로써 균열의 불연속성을 만들어내는
단점도 확인할 수 있었다. 특히 0.3 mm 균열 폭의 경우, 이미지 데이터 후처리 과정에서 균열의 불연속성이 심화되어 균열 폭 분석에서 제외하였다.
Fig. 14의 네모 박스 영역의 데이터 진폭 분포를 Fig. 15에 나타내었다. 균열 폭 0.5 mm, 0.7 mm, 1.0 mm에 대해 후처리된 열화상 이미지 내 균열손상 구간에서 각각 최대 10, 12, 13개의
픽셀 개수 범위로 진폭이 급격히 상승하는 것을 확인할 수 있다. PELT 기법을 통해 진폭 상승 구간의 좌표$(x_{1},\: 0)$, $(x_{2},\:
0)$를 자동으로 도출하였다.
Fig. 14 Result of thermal data post-processed
Fig. 15 Example of temperature distribution (post-processed data)
각 이미지 당 401개의 $x_{1}$, $x_{2}$쌍에 대해 균열 구간의 픽셀 개수 $p(=x_{2}-x_{1})$를 계산하였다. 여기서, $p$는
각 행의 균열 구간 내 픽셀 개수이며, 균열 폭에 따라 12,030개의 $p$값을 추출하였다. 추출된 $p$값의 평균값을 통해 균열폭(0.5 mm,
0.7 mm, 1.0 mm)과 $p$값의 상관관계를 도출하였다. 이때 균열 폭별 열화상 이미지 내 균열 구간 픽셀 개수($p$)의 평균값에 따른 백분위
25 %, 50 %, 75 %에서의 픽셀 개수를 활용하여 상관관계를 도출하였으며, 이를 정리한 결과를 Table 5에 나타내었다.
Table 5 Result of crack width measurement (unit: number of pixels)
Crack width
(mm)
|
Number of pixels
|
Crack length
(mm)
|
25th percentile
|
Median
|
75th percentile
|
0.5
|
10.70
|
11.57
|
12.02
|
149.5
|
0.7
|
10.95
|
11.92
|
12.36
|
102.7
|
1.0
|
11.32
|
12.18
|
12.81
|
97.5
|
Fig. 16 Crack width based on the number of pixels
중앙값을 의미하는 백분위 50 %에서의 픽셀 개수는 균열 폭이 커질수록 증가하는 것으로 나타났다. 열화상 카메라로 계측된 0.5 mm, 0.7 mm,
1.0 mm 균열 폭은 각 균열 크기의 픽셀 개수 평균값은 각각 11.4개, 11.56개, 12.05개로, 픽셀 개수와 균열 크기 폭 간의 상관관계는
Fig. 16과 같다.
4. 토 의
건축물 내부 마감재로 인한 육안점검 한계를 개선하고자 열화상 기반 비파괴 검사기법의 검증을 수행하였다. 현행 제3종시설물 안전점검(실태조사) 매뉴얼의
건축물 안전점검표에 따르면 육안점검 시 마감재로 인해 구조부재 균열 등 손상 확인이 어려울 경우 평가 결과를 ‘보통(5점)’ 이하로 판정하도록 규정하는
등 마감재 내부 손상의 판별은 중요한 절차이다. 본 연구에서 제안한 열화상 카메라 기반 안전점검은 마감재 내부 균열 검측이 가능하며 현행 규정으로
인한 보수적인 안전성 평가 한계를 극복할 수 있을 것으로 판단된다.
열화상 지그의 무게는 약 2 kg으로, 이는 현장에서 쉽게 사용할 수 있는 뛰어난 휴대성을 제공한다. 또한, 저가형 열화상 카메라가 탑재되어 비용을
절감하면서도 별다른 추가 연산 없이도 직관적인 균열 유무 파악이 가능하다. 이에 마감재 내부 균열의 신속한 탐지가 이루어질 수 있으며, 균열 확인
시 균열폭 확인과 같은 정밀계측을 통한 분석이 이루어질 수 있을 것이다.
다만, 본 연구에서 사용한 열화상 카메라의 적외선 센서 모듈 해상도는 160×120, 물체와의 거리 100 mm 기준 픽셀 폭은 0.65 mm로 고가의
열화상 카메라 대비 저해상도에 속한다. 해당 열화상 카메라는 마감재 내외부 균열 유무 파악 및 직관적인 관측과 열화상 이미지의 픽셀 개수를 통한 균열
폭 유추가 가능하나 심도 있는 정량적 분석에는 사용이 제한적이다. 본 연구의 균열폭 해석결과, 0.3 mm 균열에 대한 후처리 및 정량적 평가를 위해서는
320×240 이상의 해상도가 요구될 것으로 판단된다.
본 연구는 서울시에서 제공한 건축물 내부 주요 마감재 적용 현황에 따라 사용량이 많은 도배지를 마감재로 선정하여 수행되었으며, 접착제를 이용하여 콘크리트
표면에 시공하였다. 도배지가 시공되지 않은 콘크리트 표면의 경우 열원에 의한 열 번짐 현상 외의 노이지는 발생하지 않아 명확한 균열 식별이 가능하다.
그러나, 도배지가 시공된 콘크리트의 경우 도배지 시공 불량으로 인해 들뜸 및 공기층이 발생하여 도배지, 접착제, 공기의 축열성능 차이로 인한 노이즈가
발생할 가능성이 존재한다. 본 연구에서 사용한 도배지는 2장 이상의 종이를 붙여 가공한 합지벽지이다. 종이의 용적비열 즉, 부피 기준의 축열성능은
일반적으로 0.112 kcal/m3°C이다. 또한, 도배지를 시공하기 위해 사용되는 접착제는 일반적으로 수성 접착제를 사용하며 수성접착제의 주성분은 폴리바이닐알코올으로, 축열성능은
0.284 kcal/m3°C이다. 추가로 공기의 축열성능은 0.310 kcal/m3°C이기 때문에 도배지 표면 가열 후 자연 냉각 과정을 거치게 되면서 도배지, 접착제, 공기 순으로 온도가 낮아지게 된다. 따라서 축열성능 늦, 열을
저장하는 능력이 높은 균열 내부의 공기가 열화상 카메라상에서 온도가 높게 나타나고, 그에 따라 마감재 내부 균열 탐지가 가능하다. 이외에 실내 또는
실외 마감에 사용되는 수성 페인트, 무늬 코트, 에폭시 수지, 우레탄, 타일 등 다양한 마감재의 축열성능을 고려하여 마감재 내부 건축물 손상 탐지를
위한 기술 개발이 필요하다. 특히 빛 반사가 발생하는 에폭시 수지, 우레탄, 타일의 경우 적절한 열원 선정 및 추가적인 분석 과정이 요구된다. 또한,
본 연구에서 제시된 일련의 열화상 데이터 계측 과정과 데이터 후처리 결과는 열원 가진 횟수, 계측 시간, 현장 환경, 마감 상태 등에 따라 달라질
수 있어 많은 후속 연구의 진행이 필요하다.
5. 결 론
본 연구는 능동형 열화상 기법을 사용하여 마감재 내부에 존재하는 콘크리트 표면 균열 탐지 가능 여부를 검증하고 후 처리된 이미지 내 균열 구간의 균열
폭 확인 가능성을 검증하였다. 그에 따른 결론은 다음과 같다.
1) 적외선 구간 중 가장 파장이 길고 진동수가 작은 장파장 적외선은 높은 투과성을 가지기 때문에 마감재를 투과하여 마감재 내부의 온도 분포를 관측할
수 있다. 이를 통해 마감재 내부 균열 관측이 가능하다. 이에 열원인 적외선 램프를 이용하여 마감재 가열하고 이로부터 반사된 장파장 적외선을 열화상
카메라를 통해 계측할 수 있는 휴대용 지그를 제작하였다.
2) 제작한 휴대용 지그는 2 kg 미만으로 뛰어난 사용성을 가지고 있으며, 표면을 가열함과 동시에 열화상 데이터 계측이 실시간으로 가능하다.
3) 휴대용 지그 및 검증 시편을 통한 1차 검증 결과, 0.3 mm 이상의 균열폭에 대한 직관적인 마감재 내부 균열 유무 파악이 가능하다. 휴대용으로
제작된 지그는 자유로운 계측뿐만 아니라 별도의 프로세싱 없이 균열 관측이 가능한 장점을 지니고 있다.
4) 2차 검증은 고정형 지그 및 검증 시편을 이용하여 수행되었으며, 2차원 합성곱 연산 및 이미지 프로세싱을 통해 노이즈를 제거하였다. 0.5 mm
이상의 균열에 대해 시각적 평가가 가능하였으며, 균열 폭의 정량적인 평가를 시도하여 도출한 이미지 픽셀과 균열 폭에 대한 상관관계를 도출 할 수 있었다.
5) 표면을 가열함과 동시에 열화상 데이터 계측이 가능하도록 하드웨어를 구성하였으며, 도배지에 의한 영향 없이 균열 탐사가 가능하며, 후처리 과정을
통해 균열 폭 평가가 가능하다.
감사의 글
이 성과는 정부(과학기술정보통신부)의 재원으로 한국연구재단의 기초연구실사업 지원과(No. 2021R1A4A3030117) 우수신진연구사업의
지원(No. RS-2023-00210317), 국토교통부 디지털 기반 건축시공 및 안전감리 기술개발 사업의 연구비지원(RS-2022-00143493)에
의해 수행되었습니다. 이에 감사드립니다.
References
ACI Committee 228 (2013) Report on Nondestructive Test Methods for Evaluation of Concrete
in Structures (ACI 228.2 R-13). Farmington Hills, MI: American Concrete Institute
(ACI).
![URL](../../Resources/images/icon_url.png)
Ahn, S. (2022) Example of 2D Convolution. songho.ca. http://www.songho.ca/dsp/convolution/convolution2d_example.html.
Accessed 11 July 2023.
![URL](../../Resources/images/icon_url.png)
Andi, M., and Yohanes, G. R. (2019) Experimental Study of Crack Depth Measurement
of Concrete with Ultrasonic Pulse Velocity (UPV). IOP Conference Series: Materials
Science and Engineering 673(1), 012047. IOP Publishing.
![DOI](../../Resources/images/icon_crossref.png)
Bang, J. H., Park, D. H., Lee, W. J., Kim, D. H., and Kim, H. N. (2022) Time-of-Arrival
and Pulse-Width Estimation Method Robust to Weak Signal Environment in Electronic
Warfare. The Journal of Korean Institute of Communications and Information Sciences
47(12), 2127-2139. (In Korean)
![DOI](../../Resources/images/icon_crossref.png)
Carlomagno, G. M., and Berardi, P. G. (1976) Unsteady Thermotopography in Non-destructive
Testing. In Proceedings 3rd Biannual Exchange. St. Louis: USA. 33-40.
![URL](../../Resources/images/icon_url.png)
Chu, S. Y., Kang, C. J., Hu, M. X., and Chang, L. C. (2022) Rapid Damage Assessment
of 1/3 Scaled-down Two-story Reinforced Concrete School Building Models. Journal of
Structural Integrity and Maintenance 7(2), 110-119.
![DOI](../../Resources/images/icon_crossref.png)
Colombani, I. A., and Andrawes, B. (2022) A Study of Multi- target Image-based Displacement
Measurement Approach for Field Testing of Bridges. Journal of Structural Integrity
and Maintenance 7(4), 207-216.
![DOI](../../Resources/images/icon_crossref.png)
Dung, C. V. (2019) Autonomous Concrete Crack Detection Using Deep Fully Convolutional
Neural Network. Automation in Construction 99, 52-58.
![DOI](../../Resources/images/icon_crossref.png)
FLIR (2022) FLIR One Pro-Series Tri-Fold. Teledyne FLIR. https://www.flirkorea.com/support/products/flir-one-pro/?vertical=condition+monitoring&segment=solutions#Documents.
Accessed 11 July 2023. (In Korean)
![URL](../../Resources/images/icon_url.png)
Gade, R., and Moeslund, T. B. (2014) Thermal Cameras and Applications: a Survey. Machine
Vision and Application 25, 245-262.
![DOI](../../Resources/images/icon_crossref.png)
Gharehbaghi, V. R., Kalbkhani, H., Noroozinejad Farsangi, E., Yang, T. Y., Nguyen,
A., Mirjalili, S., and Málaga-Chuquitaype, C. (2022) A Novel Approach for Deterioration
and Damage Identification in Building Structures Based on Stockwell-Transform and
Deep Convolutional Neural Network. Journal of Structural Integrity and Maintenance
7(2), 136-150.
![DOI](../../Resources/images/icon_crossref.png)
Hwang, J., and Shim, M. (2023) Experimental Evaluation Method of Carbonation in Concrete
Structure Using Nonlinear Resonant Ultrasonic Spectroscopy. Journal of the Korean
Society of Hazard Mitigation 23(1), 141-146. (In Korean)
![DOI](../../Resources/images/icon_crossref.png)
KALIS (2021) 2021 Annual Report on Facility Statistics. Korea Authority of Land and
Infrastructure Safety. http://assi.or.kr/ upload/gongji/2021%20%EC%8B%9C%EC%84%A4%EB%AC%BC%20%ED%86%B5%EA%B3%84%EC%97%B0%EB%B3%B4.pdf.
Accessed 11 July 2023. (In Korean)
![URL](../../Resources/images/icon_url.png)
Killick, R., Fearnhead, P., and Eckley, I. A. (2012) Optimal Detection of Changepoints
with a Linear Computational Cost. Journal of the American Statistical Association
107(500), 1590-1598.
![DOI](../../Resources/images/icon_crossref.png)
Kim, J. C. (2023) Experimental Study on Infrared Thermography Method for Crack Detection
of Concrete Structure Covered by Finishing Materials. Review of Architecture and Building
Science 67(3), 34-37. (In Korean)
![URL](../../Resources/images/icon_url.png)
Kim, S., and Kim, S. (2018) Daejong Building Safety Grade ‘A→E’ in 9 Months... an
Incredible Safety Check with One’s Measurement. Chosunilbo. 14 December. https://www.chosun.com/site/data/html_dir/2018/12/14/2018121400303.html.
Accessed 11 July 2023. (In Korean)
![URL](../../Resources/images/icon_url.png)
Lee, R., and Sohn, H. (2022) An Integrated Thermography and Vision System for Steel
Structure Coating Condition Assessment. KSCE Journal of Civil Engineering 70(12),
148-151. (In Korean)
![URL](../../Resources/images/icon_url.png)
Lee, T. M., Choi, H. J., and Kang, S. M. (2022) Development of GPR Imaging Algorithm
to Detect Void-like Defects in Reinforced Concrete Elements. Journal of the Korean
Society for Nondestructive Testing 42(4), 302-309. (In Korean)
![URL](../../Resources/images/icon_url.png)
MOLIT (2019) Safety Management Measures for Old Buildings. Ministry of Land, Infrastructure
and Transport (MOLIT). http://www.molit.go.kr/srocm/USR/N0201/m_13551/dtl.jsp?lcmspage=1&id=95081804.
HWP Accessed 11 July 2023. (In Korean)
![URL](../../Resources/images/icon_url.png)
MOLIT (2021) Statistics on Building Permission and Commencement Works. Ministry of
Land, Infrastructure and Transport (MOLIT). https://stat.molit.go.kr/portal/cate/statView.do?hRsId=466&hFormId=6919&hDivEng=&month_yn=.
Accessed 11 July 2023. (In Korean)
![URL](../../Resources/images/icon_url.png)
Park, J. H., Lee, J. S., Jeong, H. R., Lee, S. K., and Kim. J. H. (2024) Assessment
of Internal and External Defects in Concrete Structures Using Infrared Thermography.
Journal of the Korean Society of Manufacturing Process Engineers. 23(2), 8-15. (In
Korean)
![DOI](../../Resources/images/icon_crossref.png)
Prewitt, J. M. (1970) Object Enhancement and Extraction. Picture Processing and Psychopictorics
10(1), 15-19.
![URL](../../Resources/images/icon_url.png)
Pugliesi, R., and Andrade, M. L. G. (1997) Study of Cracking in Concrete by Neutron
Radiography. Applied Radiation and Isotopes 48(3), 339-344.
![DOI](../../Resources/images/icon_crossref.png)
Sim, J., Zi, G., and Lee, J. (2008) Non-destructive Evaluation Technology Using Infrared
Thermography and Near Infrared Heating for Detecting Inside-defects of Concrete Structures.
KCI 2008 Spring Conference. 24-25 April 2014. Pyeongchang, Korea: Korea Concrete Institute
(KCI). 1021-1024. (In Korean)
![URL](../../Resources/images/icon_url.png)
Sobel, I. (2014) History and Definition of the Sobeloperator. Retrieved from the World
Wide Web. 1505.
![URL](../../Resources/images/icon_url.png)
Song, H., Lim, H. J., Lee, S., Sohn, H., Yun, W., and Song, E. (2015) Automated Detection
and Quantification of Hidden Voids in Triplex Bonding Layers Using Active lock-in
Thermography. NDT and E International 74, 94-105.
![DOI](../../Resources/images/icon_crossref.png)
Tashan, J., and Al-Mahaidi, R. (2014) Detection of Cracks in Concrete Strengthened
with CFRP Systems Using Infra-red Thermography. Composites Part B: Engineering 64,
116-125.
![DOI](../../Resources/images/icon_crossref.png)
Weisstein, E. W. (2003) Convolution. https://mathworld.wolfram.com/. Accessed 12 July
2023.
![URL](../../Resources/images/icon_url.png)