Study on Aircraft Structures Fracture Surface Classification Using CNN Model

최근 인공지능의 급격한 발전은 다양한 산업 분야에서 변화를 이끌어내고 있다. 항공산업과 제조업 또한 예외가 아니며 최근에는 기체 결함/사고원인 분석 등에서 AI 기술의 적용 가능성이 활발하게 연구되고 있다. 본 연구는 항공기 파단면 분석에 AI, 특히 합성곱 신경망(cnn)을 활용한 분류 기법을 제안한다. 파단면 분석은 주로 전문가의 경험적 판단에 의존하며, 시간과 노력이 많이 소요된다. 이에 따라, AI를 이용한 파단면의 연성 및 취성 파괴 특성 구분 가능성을 검토하였다. 본 연구에서는 이미지 처리 기술과 Cnn을 결합하여 파단면 이미지를 분석하고, 연성 및 취성 파괴를 구별하는 방법을 제시하였다. 학습 데이터는 파단면 이미지의 전처리와 레이블링 후, CNN 모델을 학습시켰으며, 모델은 주어진 파단면 이미지로부터 파괴 유형을 예측할 수 있었다. 실험 결과, AI 모델은 파단면의 구조적 특징을 인식하여 연성/취성 구분을 통해 일부 손상 유형을 구별할 수 있음을 확인했다. 그러나 데이터셋의 한계로 인해 파손의 시작 위치, 비틀림/단순인장/노치인장 등 다양한 하중에 의한 복합 균열 등 세부적인 파손 원인 규명에는 어려움이 있었으며, 향후 더 많은 데이터를 바탕으로 정밀한 파손 메커니즘 분석이 필요하다.