earticle

영어

Wooden cultural heritages can be deteriorated due to the aged materials or natural disasters such as localized heavy rains. Regular monitoring is necessary to accurately identify displacements and take precautions against anticipated problems. However, regular monitoring has limitations in terms of time and cost. So, If Deep Learning technology is used when displacement occurs, it will be a great help to the conservation of cultural heritages. In this study, we constructed data for each environment using CCTV data. Then, we confirmed whether it is possible to predict the tilt of the roof using EfficientNetB0 model. As a result of experiment, it showed prediction accuracy of 99.68% or higher in all environments such as clear, overcast, cloud, snow, and rain. Based on the results of the model verification, we analyzed the combinations that demonstrate high predictive accuracy when integrating environments. Integrated datasets were constructed for both environments, and experiments were conducted, showing high prediction accuracy of over 99.84% for both the same and different variations in all environments. We propose optimal prediction models for tilt of roof validating their performance on 14 datasets that were not used to train the respective models.

한국어

목조문화재는 나무의 재료의 특성상 노후화가 진행되어 다양한 변위가 발생하기도 하며, 집중호우와 같은 자연재해로 인 해 문화재에 변위가 나타나기도 한다. 변위들을 정확히 파악하고 예상되는 문제에 대한 예방책을 강구하기 위해서는 정기 적인 모니터링이 요구된다. 하지만 정기적인 모니터링은 시간적, 비용적 측면에서 한계가 존재하기 때문에 딥러닝을 활용 한 모니터링 방식이 필요하다. 본 연구에서는 CCTV 영상 데이터를 활용하여 맑음, 흐림, 구름, 눈, 비 환경에 대한 데이터 셋을 구축한 후 EfficientNetB0 모델로 실험을 진행했다. 실험 결과 모든 환경이 동일한 변형과 다양한 변형에서 99.68% 이 상의 예측 정확도를 보여주었다. 모델 성능 검증 결과를 통해 환경을 통합할 때 높은 예측 정확도를 보여줄 수 있는 조합을 분석하였다. 이를 바탕으로 2가지 환경에 대한 통합 데이터셋을 구축해 2가지 환경통합 실험을 한 결과, 모든 환경에서 동 일한 변형과 다양한 변형이 99.84% 이상의 높은 예측 정확도를 보여주었다. 생성한 모델마다 학습에 사용하지 않은 14개 의 데이터셋으로 모델 성능 검증을 통해 최적의 지붕부 기울음 예측 모델을 제안한다.