보호구해조 - 편집 역사

2021.soc.1: /* 결과 및 평가 */

2021-12-08T04:10:54Z

‎결과 및 평가

2021.soc.1: /* 결과 및 평가 */

2021-12-08T04:09:54Z

‎결과 및 평가

2021.soc.1: /* 결과 및 평가 */

2021-12-08T04:05:08Z

‎결과 및 평가

2021.soc.1: /* (2) 모형을 통한 시연 (실제 건설현장에 적용) */

2021-12-08T03:59:05Z

‎(2) 모형을 통한 시연 (실제 건설현장에 적용)

2021.soc.1: /* (1) 실제 현장에 적용할 학습 데이터 수집 */

2021-12-08T03:58:51Z

‎(1) 실제 현장에 적용할 학습 데이터 수집

2021.soc.1: /* 1) 건설 현장 모형 제작 */

2021-12-08T03:58:41Z

‎1) 건설 현장 모형 제작

2021.soc.1: /* 3) 모형 데이터 기반의 딥러닝 학습 */

2021-12-08T03:58:07Z

‎3) 모형 데이터 기반의 딥러닝 학습

2021.soc.1: /* (2) 영상 데이터 획득 및 이미지 데이터 추출 */

2021-12-08T03:57:56Z

‎(2) 영상 데이터 획득 및 이미지 데이터 추출

2021.soc.1: /* (1) 제작과정 */

2021-12-08T03:57:38Z

‎(1) 제작과정

2021.soc.1: /* 1) 기존의 실제 현장 데이터 분석 */

2021-12-08T03:57:20Z

‎1) 기존의 실제 현장 데이터 분석

← 이전 판		2021년 12월 8일 (수) 04:10 판
296번째 줄:		296번째 줄:

	√ 추가적으로 그러한 모니터링 시스템이 가동되고 있다는 사실만으로 안전 의식 제고에 꽤 효과가 있을 것으로 보인다. 일례로, 케이블 브릿지에서 시공한 출렁다리가 유명 관광지가 되며 더 멋지게 사진을 찍으려는 관광객들의 욕심 때문에 철조망에 손과 발을 집어넣다가 시설이 수차례 손상되어 문제가 발생한 적이 있다. 이러한 문제가 반복되자 다리의 끝과 끝에 cctv를 설치하고, cctv 촬영 중이니 주의하라는 표지판을 부착했다. 사실 양 끝의 cctv로 다리 중간의 훼손 상황이 정확히 촬영되지는 않았다. 하지만 그 존재와 경고만으로도 사람들에게 경각심을 주어서 이후로는 아직까지 한 차례의 유사 사건이 일어나지 않았다. 이와 같이 학생들이 개발한 모니터링 시스템도 100% 완벽하지 않더라도 안전 제고에는 효과가 있을 것이라고 생각한다.		√ 추가적으로 그러한 모니터링 시스템이 가동되고 있다는 사실만으로 안전 의식 제고에 꽤 효과가 있을 것으로 보인다. 일례로, 케이블 브릿지에서 시공한 출렁다리가 유명 관광지가 되며 더 멋지게 사진을 찍으려는 관광객들의 욕심 때문에 철조망에 손과 발을 집어넣다가 시설이 수차례 손상되어 문제가 발생한 적이 있다. 이러한 문제가 반복되자 다리의 끝과 끝에 cctv를 설치하고, cctv 촬영 중이니 주의하라는 표지판을 부착했다. 사실 양 끝의 cctv로 다리 중간의 훼손 상황이 정확히 촬영되지는 않았다. 하지만 그 존재와 경고만으로도 사람들에게 경각심을 주어서 이후로는 아직까지 한 차례의 유사 사건이 일어나지 않았다. 이와 같이 학생들이 개발한 모니터링 시스템도 100% 완벽하지 않더라도 안전 제고에는 효과가 있을 것이라고 생각한다.
		+
		+	==참고문헌==
		+	고용 노동부-보호구 미착용 사망 사고 통계(2p, 사진 1)
		+	https://www.donga.com/news/Society/article/all/20180503/89928109/1
		+
		+	고용노동부, 2021년 7월 ‘현장 점검의 날’ 건설현장 대상 일제 점검 결과(2p, 표 1)
		+	http://www.moel.go.kr/news/enews/report/enewsView.do?news_seq=12500
		+
		+	포스코 건설 – 스마트 건설 사례(3p, 사진)
		+	https://newsroom.posco.com/kr/%EC%8A%A4%EB%A7%88%ED%8A%B8%ED%95%98%EA%B2%8C-%EA%B1%B4%EC%84%A4%ED%98%84%EC%9E%A5-%EC%95%88%EC%A0%84%EC%9D%84-%EC%B1%99%EA%B8%B0%EB%8A%94-%ED%8F%AC%EC%8A%A4%EC%BD%94%EA%B7%B8%EB%A3%B9-%EB%A7%8C/
		+
		+	SK 건설 – 건설 현장에 빅데이터를 활용한 안전 시스템 구축, 첨단 안전 관리 시스템 도입(3p, 사진)
		+	https://www.donga.com/news/Economy/article/all/20201013/103405305/1
		+	https://www.ajunews.com/view/20190403151016853
		+
		+	유럽 incoresoft사(4p, 사진)
		+	https://incoresoft.com/
		+
		+	미국 HCS(Human Condition Safety)사(4p, 사진)
		+	hcsafety.com
		+
		+	중소벤처기업부 – 중소기업 기술 로드맵 (빅데이터, 인공지능, iot, 재난안전)(5p 사진, 표)
		+	http://smroadmap.smtech.go.kr/
		+
		+	국토교통부 – 스마트 건설기술 로드맵(2018.10.31.)(5p 사진, 표)
		+
		+	AI hub- 경기도 하남 감일 11공구 아파트 신축공사 현장(13p, 사진)
		+
		+	산학협력 업체 ㈜케이블 브릿지(22p, 사진)
		+	http://www.cablebridge.com/

@@ 222번째 줄: / 222번째 줄: @@
   촬영한 영상은 위의 코드 내에서 초당 20프레임으로 분할된 후, 딥러닝 모델에 입력된다. 이후에 모델로부터 출력된 이미지는 다시 영상으로 병합되어 최종 결과물로 저장된다. 아래는 이와 같이 시뮬레이션한 두 영상 내 화면이다.
-[[파일:8D.MP4]]
+[[파일:8D.mp4]]
 <시스템 시뮬레이션 영상>
@@ 242번째 줄: / 242번째 줄: @@
 내용
-===완료작품의 평가===
+===완료작품의 평가 및 향후 계획===
-내용
+====효율성 및 경제성에 관한 한계 보완 ====
-===향후계획===
+√ 하지만 단순히 보호구를 벗는 것이 문제가 되기보다는 위험한 위치에서 위험한 작업을 할 때의 안전 보호구 미착용이 보통 문제가 되곤 한다. 그렇기 때문에 위험 요소가 있는 장소 위주로 cctv를 설치한다면 사고 예방에 효과가 있을 것으로 보인다.
-===특허 출원 내용===
+√ 추가적으로 그러한 모니터링 시스템이 가동되고 있다는 사실만으로 안전 의식 제고에 꽤 효과가 있을 것으로 보인다. 일례로, 케이블 브릿지에서 시공한 출렁다리가 유명 관광지가 되며 더 멋지게 사진을 찍으려는 관광객들의 욕심 때문에 철조망에 손과 발을 집어넣다가 시설이 수차례 손상되어 문제가 발생한 적이 있다. 이러한 문제가 반복되자 다리의 끝과 끝에 cctv를 설치하고, cctv 촬영 중이니 주의하라는 표지판을 부착했다. 사실 양 끝의 cctv로 다리 중간의 훼손 상황이 정확히 촬영되지는 않았다. 하지만 그 존재와 경고만으로도 사람들에게 경각심을 주어서 이후로는 아직까지 한 차례의 유사 사건이 일어나지 않았다. 이와 같이 학생들이 개발한 모니터링 시스템도 100% 완벽하지 않더라도 안전 제고에는 효과가 있을 것이라고 생각한다.

@@ 207번째 줄: / 207번째 줄: @@
 ===완료 작품의 소개===
 ====프로토타입 사진 혹은 작동 장면====
-내용
+ 학습이 완료된 모델의 test 결과는 아래와 같다.
 ====포스터====
-내용
+[[파일:W1.jpg]]
 ===관련사업비 내역서===

@@ 144번째 줄: / 144번째 줄: @@
 [[파일:6E.PNG]]
-=====  (2) 모형을 통한 시연 (실제 건설현장에 적용) =====
+=====  모형을 통한 시연 (실제 건설현장에 적용) =====
     ① 일반 사람 모형과 안전모를 착용한 사람 모형을 촬영 및 학습 데이터군 형성
     ② 모노레일에 부착된 카메라로 영상 데이터 획득

@@ 138번째 줄: / 138번째 줄: @@
 ====학습데이터 수집 및 분석 방안====
-===== (1) 실제 현장에 적용할 학습 데이터 수집 =====
+===== 실제 현장에 적용할 학습 데이터 수집 =====
     ① 안전모를 착용한 사진과 착용하지 않은 사진 부류로 나눠 수집
     ② 안전모 착용 사진에 건설현장 공사장 사진들을 합성하여 하나의 사진 데이터로 데이     터 증대(Augmentation) 후 학습데이터로 활용

@@ 163번째 줄: / 163번째 줄: @@
 ===상세설계===
-==== 1) 건설 현장 모형 제작 ====
+==== 건설 현장 모형 제작 ====
 ===== 제작과정 =====

@@ 186번째 줄: / 186번째 줄: @@
   객체탐지 딥러닝 학습을 위해 추출된 이미지 데이터를 학습 데이터군과 테스트 데이터군으로 분류하고, 분류된 학습 데이터군에 대해서는 각각 라벨링 과정을 진행하고자 한다. 데이터 라벨링은 보호구를 착용한 인물, 보호구를 착용하지 않은 인물 이렇게 두 가지 클래스로 분류하여 진행하며, 라벨링 된 학습데이터를 이용해서 객체탐지 딥러닝 모델인 Faster R-CNN을 학습시키고자 한다. 이후, 학습한 딥러닝 모델을 테스트함으로써 이동식 CCTV로 건설현장 내 인물의 보호구 착용 여부를 잘 판별할 수 있는지 가능성을 확인하고자 한다.
-==== 3) 모형 데이터 기반의 딥러닝 학습 ====
+==== 모형 데이터 기반의 딥러닝 학습 ====
   앞서 수집한 데이터 중 140장의 이미지를 객체 탐지 딥러닝 모델 Faster R-CNN의 학습데이터로 사용하기로 하였다. 학습을 위해서 각각의 이미지에 대한 라벨링 작업을 수행하였다.

@@ 180번째 줄: / 180번째 줄: @@
 [[파일:7E.PNG]]
-===== (2) 영상 데이터 획득 및 이미지 데이터 추출 =====
+===== 영상 데이터 획득 및 이미지 데이터 추출 =====
   전체 건설현장 모형은 위와 같으며, 건설현장 모형 외곽에 이동식 촬영 장치(기차 모형과 휴대폰 사용)를 설치하여 건설현장 모형의 전반적인 영상 데이터를 얻었다. 촬영 각도를 달리하여 1바퀴 7초의 영상 데이터를 2개 생성 후, 각 영상 데이터로부터 1초당 20프레임씩 이미지 데이터를 추출하여 총 약 300장의 이미지 데이터를 얻었다.

@@ 165번째 줄: / 165번째 줄: @@
 ==== 1) 건설 현장 모형 제작 ====
-===== (1) 제작과정 =====
+===== 제작과정 =====
   앞서 실제 현장 데이터를 모니터링 과정에서의 문제점을 개선하여 시뮬레이션 과정을 진행하기 위해 건설현장 모형을 제작했다. 제작과정은 다음과 같다.

@@ 152번째 줄: / 152번째 줄: @@
 ===이론적 계산 및 시뮬레이션===
-==== 1) 기존의 실제 현장 데이터 분석 ====
+==== 기존의 실제 현장 데이터 분석 ====
   모니터링 시스템 개발을 위해 우선 기존의 실제 현장 데이터를 분석했다. 데이터는 AI hub로부터 얻은 경기도 하남 감일 11공구 아파트 신축공사 현장의 데이터 70장을 사용하였으며, 70장의 데이터를 임의로 학습 데이터군과 테스트 데이터군으로 분류하였다.
 [[파일:7A.PNG]]