AI-Hub

데이터 변경이력

데이터 히스토리

소개

하수관로의 누수 및 파손 발생 시 하수관로의 상태진단을 위한 이미지 데이터

구축목적

다양한 하수관로 내부 이미지로부터 결함의 종류 및 발생위치를 도출해낼 수 있도록 인공지능을 훈련하기 위한 데이터셋

구축 내용 및 제공 데이터량

• CCTV 조사영상에서 추출한 11개 클래스(균열, 표면손상, 파손, 연결관-돌출, 이음부-손상, 이음부-단차, 토사퇴적, 기타결함, 이음부, 하수관로 내부, 하수관로 외부)에 대한 이미지(png) 총 470,000장
• 객체인식 AI 개발 분야에서 가장 레퍼런스가 풍부한 데이터셋인 COCO Dataset을 기반으로 구축되었으며, 데이터는 + + + + + 구조의 JSON 형식으로 제공

   

  구축 내용 및 제공 데이터량 표

  객체	유형	클래스			구축량(장)
  		국문	영문	코드
  하수관로	손상(8)	균열	Crack	CR	40,000
  		표면손상	Surface Damage	SD	20,000
  		파손	Broken Pipe	BK	40,000
  		연결관-돌출	Lateral Protruding	LP	40,000
  		이음부-손상	Joint Faulty	JF	40,000
  		이음부-단차	Joint Displaced	JD	40,000
  		토사퇴적	Deposits Silty	DS	30,000
  		기타결함	Etc.	ETC	40,000
  	비손상 (3)	이음부	Pipe Joint	PJ	50,000
  		하수관로 내부	Inside	IN	100,000
  		하수관로 외부	Outside	OUT	30,000
  	계				470,000

저작도구 설명서 및 저작도구 다운로드

AI 모델 상세 설명서 다운로드

설명서 및 활용가이드 다운로드

데이터 변경이력

구축 목적

• 다양한 하수관로 내부 이미지로부터 결함의 종류 및 발생위치를 도출해낼 수 있도록 인공지능을 훈련하기 위한 데이터셋

활용 분야

• 하수관로 CCTV 조사를 통한 하수관로의 결함발생 여부 및 상태등급 판독 결과를 신속하고 정확하게 파악하고, 이를 기반으로 하수관로 유지관리에 활용할 수 있는 AI 이미지 판독 기술 개발

소개

• 국내에서 촬영된 다양한 내부 CCTV 조사영상을 기반으로 하수관로 내부에서 발생할 수 있는 다양한 상황(손상, 비손상)에 대한 이미지를 추출하여 데이터를 구축하고 검증한 “AI 학습용 하수관로 내부 이미지 데이터셋”임

   

  

구축 내용 및 제공 데이터량

• CCTV 조사영상에서 추출한 11개 클래스(균열, 표면손상, 파손, 연결관-돌출, 이음부-손상, 이음부-단차, 토사퇴적, 기타결함, 이음부, 하수관로 내부, 하수관로 외부)에 대한 이미지(png) 총 470,000장
• 객체인식 AI 개발 분야에서 가장 레퍼런스가 풍부한 데이터셋인 COCO Dataset을 기반으로 구축되었으며, 데이터는 + + + + + 구조의 JSON 형식으로 제공

   

  구축 내용 및 제공 데이터량 표

  객체	유형	클래스			구축량(장)
  		국문	영문	코드
  하수관로	손상(8)	균열	Crack	CR	40,000
  		표면손상	Surface Damage	SD	20,000
  		파손	Broken Pipe	BK	40,000
  		연결관-돌출	Lateral Protruding	LP	40,000
  		이음부-손상	Joint Faulty	JF	40,000
  		이음부-단차	Joint Displaced	JD	40,000
  		토사퇴적	Deposits Silty	DS	30,000
  		기타결함	Etc.	ETC	40,000
  	비손상 (3)	이음부	Pipe Joint	PJ	50,000
  		하수관로 내부	Inside	IN	100,000
  		하수관로 외부	Outside	OUT	30,000
  	계				470,000

대표도면

필요성

• 노후 하수관로에서 기인하는 땅꺼짐, 침수 등의 피해를 예방하기 위해 지자체에서는 하수관로 CCTV 조사를 통해 하수관로의 상태를 진단하여 유지관리를 시행하고 있음
• 하지만 현재 하수관로 상태진단은 100% 인력에 의존하여 조사 및 판독이 시행됨에 따라 많은 비용과 인력이 소요되며, 작업자의 주관에 따라 진단결과의 품질이 크게 달라지는 문제가 있음
• 현재 외국에서는 하수관로 내부 이미지를 기반으로 자동판독 AI 모델을 개발하는 연구를 수행 중에 있으며, 이를 통해 자동화된 하수관로 상태진단 서비스를 제공하고자 함
• 이에 국내에서 일반적으로 사용하고 있는 하수관로 관종을 대상으로 주요하게 발생하는 결함에 대한 이미지를 추출하여 AI 기반의 자동화된 하수관로 상태진단 기술개발을 위하여 검증된 AI 학습용 데이터셋을 구축하고자 함

데이터 구조

• 데이터 구성

   

• 어노테이션 포맷

  어노테이션 포맷 표

  NO		항목		필수여부	타입
  		한글명	영문명
  1		라이센스	licenses		List
  	1-1	라이센스 명칭	licenses.name	필수	string
  	1-2	라이센스 식별자	licenses.id	필수	int
  	1-3	라이센스 주소	licenses.url	필수	string
  2		정보	info		List
  	2-1	정보 제작자	info.contributer	필수	string
  	2-2	정보 제작일	info.date_created	필수	string
  	2-3	정보 설명	info.description	필수	string
  	2-4	정보 주소	info.url	필수	string
  	2-5	정보 버전	info.version	필수	string
  	2-6	정보 제작년도	info.year	필수	string
  3		카테고리	category		List
  	3-1	카테고리 식별자	category.id	필수	int
  	3-2	카테고리 명칭	category.name	필수	string
  	3-3	카테고리 상위	category.supercategory	선택	string
  4		이미지	image		List
  	4-1	이미지 식별자	image.id	필수	int
  	4-2	이미지 너비	image.width	필수	int
  	4-3	이미지 높이	image.height	필수	int
  	4-4	이미지 명칭	image.file_name	필수	string
  	4-5	이미지 라이센스	image.licenses	필수	int
  	4-6	이미지 flickr 주소	image.flickr_url	선택	string
  	4-7	이미지 coco 주소	image.coco_url	선택	string
  	4-8	이미지 캡쳐일	image.date_captured	선택	int
  5		어노테이션	annotations		List
  	5-1	어노테이션 식별자	annotations.id	필수	int
  	5-2	어노테이션 이미지 식별자	annotations.Image.id	필수	int
  	5-3	어노테이션 카테고리 식별자	annotations.category.id	필수	int
  	5-4	어노테이션 세그먼트	annotations_segmentation	필수	double
  	5-5	어노테이션 면적	annotations.area	필수	double
  	5-6	어노테이션 바운딩박스	annotations.bbox	필수	double
  	5-7	어노테이션 세그먼트 방식	annotations.iscrowd	필수	int
  	5-8	어노테이션 속성	annotations.attributes	필수	object

데이터셋 구축 담당자

수행기관(주관) : 유솔

수행기관(참여)

데이터 관련 문의처