효율적인 UAV 기반 자동 결함 탐지 시스템을 통한 교량 검사 성능 향상

전통적인 교량 검사는 효율성이 낮고 비용이 많이 들며 안전 위험이 큰 경우가 많다. 이러한 문제를 해결하기 위해 본 논문에서는 자동 결함 탐지를 위한 통합 무인항공기(UAV) 기반 시스템을 제안한다. 이 연구의 주요 기여는 맞춤형 UAV 플랫폼과 특화된 경량 딥러닝 모델인 RCO-YOLOv5를 결합한 총체적이고 응용 중심의 솔루션 개발이다. RCO-YOLOv5는 현실 세계 배치를 위해 정확도와 효율성 간 우수한 균형을 달성하도록 YOLOv5s 프레임워크에서 체계적으로 최적화되었다. 아키텍처 개선 사항으로는 효율적인 RepC2f 백본, 주의 메커니즘이 강화된 C3MSA 넥, 적응형 전방위 동적 합성곱(ODConv), 그리고 정규화된 Wasserstein 거리(NWD) 손실 함수가 포함된다. 본 논문에서는 지상국에서 실시간 처리를 위해 라이브 비디오를 스트리밍하는 UAV 시스템의 설계 및 구현을 상세히 설명한다. 종합적인 실험 결과 RCO-YOLOv5는 mAP(email @[.]) 91.0%를 달성하여 기준선 대비 4.0% 향상되었으며, 모델 크기는 12.8% 작고 속도는 6.7% 빨라졌다. 통합 시스템의 성공적인 현장 테스트는 현대 구조물 건강 모니터링에 효과적인 도구로서 그 잠재력을 확인시킨다.