콘텐츠로 건너뛰기 메뉴로 건너뛰기 푸터로 건너뛰기
데이터를 불러오고 있습니다
데이터를 저장하고 있습니다
#컴퓨터 비전

NEW 건설용 자갈 품질관리 데이터

건설용 자갈 품질관리 데이터 아이콘 이미지
  • 분야재난안전환경
  • 유형 이미지
구축년도 : 2023 갱신년월 : 2024-10 조회수 : 1,392 다운로드 : 13 용량 :
샘플 데이터 ?

샘플데이터는 데이터의 이해를 돕기 위해 별도로 가공하여 제공하는 정보로써 원본 데이터와 차이가 있을 수 있으며,
데이터에 따라서 민감한 정보는 일부 마스킹(*) 처리가 되어 있을 수 있습니다.

※ 내국인만 데이터 신청이 가능합니다.

  • 데이터 변경이력

    데이터 변경이력
    버전 일자 변경내용 비고
    1.1 2024-10-30 데이터 최종 개방
    1.0 2024-06-28 데이터 개방 Beta Version

    데이터 히스토리

    데이터 히스토리
    일자 변경내용 비고
    2024-06-28 산출물 공개 Beta Version

    소개

    - 콘크리트, 아스팔트 생산용 자갈 대상 6종의 암석 종류 분류 및 편장석 비율 비를 분석할 수 있는 인공지능 모델 개발을 위한 AI 학습용 데이터

    구축목적

    - 건설에 사용되는 콘크리트, 아스팔트용 자갈의 품질검사 방법의 자동화, 무인화를 위한 AI 학습용 데이터 구축을 통한 건설 구조물 및 건축물 품질 향상
  • - 데이터 구축 규모 
      ○ 자갈 암석 종류 분석 데이터

    자갈 암석 종류 분석 데이터
    구분 생성 데이터
    데이터 구축량 [원천데이터]
    ㅇ 자갈 암석 종류 분석 RGB 이미지: 121,732 장
    [라벨링데이터]
    ㅇ 자갈 객체별 폴리곤 세그먼데이션: 121,732 건 

     

      ○ 편장석 비율 비 분석 데이터

    편장석 비율 비 분석 데이터
    구분 생성 데이터
    데이터 구축량 [원천데이터]
    ㅇ 편장석 비율 비 분석 RGB 이미지: 33,642 장
    [라벨링데이터]
    ㅇ 자갈 객체별 분류 로테이티드 바운딩 박스 : 33,642 건

     

    - 데이터 분포 
      ○ 생산형태 분포 (공통)

    생산형태 분포 (공통)
    전체 수량 155,374개
    분포 클래스 건수 비율
    산림골재
    Mountain_Forest
    56,025 36.06%
    선별파쇄골재
    Aritificial_Shred
    99,349 63.94%
    부순골재
    Crushed
    0 0

     

      ○ 자갈 암석 종류 데이터 분포 
    ­      - 습윤 분포

    습윤 분포
    전체 수량 121,732개    
    분포 클래스 건수 비율
    건조 40,565 33.32%
    습윤 40,590 33.34%
    침수 40,577 33.33%

     

    ­      - 조도 분포 

    조도 분포
    전체 수량 121,732개    
    분포 클래스 건수 비율
    4800K 60,867 50.00%
    6400K 60,865 50.00%

     

    ­      - 자갈 분류 분포 

    자갈 분류 분포
    전체 수량 624,536개
    분포 클래스 건수 비율
    화강암 152,084 24.35%
    편마암 124,721 19.97%
    사암 및 니암 143,477 22.97%
    현무암 45,689 7.32%
    풍화암 61,624 9.87%
    안산암 68,524 10.97%
    기타 28,417 4.55%

     

    ­      - 이미지 별 오브젝트 수 

    이미지 별 오브젝트 수
    전체수량  121,732개 
    구분 비율
    최소 4
    평균 5.13
    최대 7
    총 오브젝트 수  624,536 개 

     

      ○ 편장석 비율 비 데이터 분포 
    ­      - 비율 비 별 분포 

    비율 비 별 분포
    전체 수량 33,642개 
    분포 클래스 건수 비율
    비율비 3:1
    이상(BAD)
    30,485 22.69%
    비율비 3:1
    이하(GOOD)
    103,848 77.31%
    총 객체 건수  134,333개  100.00%

     

    ­      - 이미지 별 오브젝트 수 

    이미지 별 오브젝트 수
    전체수량  33,642개 
    구분 비율
    최소 3
    평균 3.993
    최대 5
    총 오브젝트 수  134,333 개 
  • 저작도구 설명서 및 저작도구 다운로드

    저작도구 설명서 다운로드 저작도구 다운로드
  • AI 모델 상세 설명서 다운로드

    AI 모델 상세 설명서 다운로드 AI 모델 다운로드

    - 자갈 암석 종류 분석 데이터 학습모델
       ○ 세부 내역

    세부 내역
    구분  내 용 
    개발 목표  • 6대 암석종류 (화강암, 편마암, 안산암, 현무암, 풍화암, 사암 및 니암) 의 탐지 및 분류
    • 품질지표: mAP 85% 이상 달성 
    개발 내용 • RGB 카메라로 촬영된 원천이미지와 폴리곤 세그먼테이션으로 라벨링 된 데이터셋을 활용하여 지도학습 진행
    알고리즘  • Inception ResNet v2
    알고리즘
    선정 이유 
    • Inception ResNet이 타 모델에 비해더 큰 구조를 가지고 있고, 복잡하므로 더 많은 계산 자원을 필요로 하는 것은 사실이나, 그만큼 세밀한 특징이 필요한 복잡한 이미지를 분류하는 것에 있어 우수한 성능을 발휘하는 모델임. 자갈의 특성상 같은 객체로 분류되더라도 그것을 이루고 있는 성분 및 구성 광물의 비율 등이 모두 다르므로 이러한 특징들을 잘 잡아낼 수 있는 모델을 사용하는 이유임

    활용 AI모델 설명(자갈 암석 종류 분석 데이터 학습모델)

     

       ○ 자갈 암석 종류 분석 데이터 학습 결과

    자갈 암석 종류 분석 데이터 학습 결과
    TEST 데이터  TASK 명 모델명 지표 결과값
    자갈 암석종류 데이터의 10%  Rocktype_Classification  Inception ResNet v2 mAP 91.79%

     

    자갈 암석 종류 분석 데이터 학습 결과
    구분 관련 사진 
    결과값 활용 AI모델 설명(자갈 암석 종류 분석 데이터 학습 결과값) 이미지
    결과 이미지 예시  활용 AI모델 설명(자갈 암석 종류 분석 데이터 학습 결과 이미지 예시)


    - 편장석 비율 비 분석 데이터 학습 모델
       ○ 세부 내역

    세부 내역
    구분  내 용 
    개발 목표  • 자갈의 형태 중 비율 비 3:1 이상 (편장석), 3:1 이하 (일반자갈)의 탐지
    • 품질지표: IOU @50, mAP 75% 이상 달성
    개발 내용 • RGB 카메라로 촬영된 원천이미지와 로테이티드 바운딩 박스로 라벨링 된 데이터셋을 활용하여 지도학습 진행
    알고리즘  • YOLOv5-OBB 
    알고리즘
    선정 이유 
    • 실시간 객체탐지 분야에서 SOTA랭킹 상위권에 다수 포진해 있는 YOLO는 단일 네트워크 구조로 한 번의 순전파만으로 객체탐지를 수행함. 더불어, 경량 모델 아키텍쳐를 사용하여 상대적으로 적은 파라미터로도 높은 성능을 달성할 수 있다는 점에서 디바이스 실용화 시 높은 강점을 보유하고 있음. OBB모델의 경우 로테이티드 바운딩박스 라벨을 받아들여 기울어진 형태로 학습, 탐지 시 표현하는 것이 가능함. 

     

    활용 AI모델 설명(편장석 비율 비 분석 데이터 학습모델) 이미지

       ○ 편장석 비율 비 분석 데이터 학습 결과

    편장석 비율 비 분석 데이터 학습 결과
    TEST 데이터  TASK 명 모델명 지표 결과값
    편장석 비율 비 분석 데이터의 10%  Object Detection YOLO-OBB IOU@50, mAP 75% 90.90%

     

    편장석 비율 비 분석 데이터 학습 결과
    구분 관련 사진 
    결과값 활용 AI모델 설명(편장석 비율 비 분석 데이터 학습 결과값) 이미지
    결과 이미지 예시  활용 AI모델 설명(편장석 비율 비 분석 데이터 학습 결과 이미지 예시) 이미지
  • 설명서 및 활용가이드 다운로드

    데이터 설명서 다운로드 구축활용가이드 다운로드

    - 데이터 설명
     ○ 자갈 암석 종류 분석 데이터

    자갈 암석 종류 분석 데이터
    데이터명 자갈 암석종류 분석 데이터
    데이터 유형 이미지
    데이터 요약 • SOC 건설 시 필요한 콘크리트 생성에 필요한 자갈의 품질분석 AI 학습을 위한 건설용 자갈 6종 대한 이미지 Polygon Segmentation 및 클래스 분류(Classification)
    • 암석 6종: 화강암, 현무암, 편마암, 풍화암, 안산암, 사암 및 니암
    데이터 출처 • 한국골재산업연구원 콘크리트용 자갈의 품질검사용 시료
       - 골재채취법 제4조 골재자원조사에 따라 골재 시료 채취
       - 골재재취법 제22조의4 및 관련 시행령, 시행규칙에 따라 골재 시료 채취
    • 산업현장은 분진, 소음, 차량 이동 등으로 현장 촬영이 어려워 채취해온 시료를 스튜디오로 옮겨 환경조건(색온도 등)을 달리한 후 촬영하여 이미지 확보 
    데이터 규모 • 6종류 자갈 암석 대상, 자갈 이미지 + 라벨링 데이터
       - 6종류 자갈 암편(자갈 1개) 오브젝트 평균 5개 이상 라벨링
    • 총 121,732장

     

     ○ 편장석 비율 비 분석 데이터

    편장석 비율 비 분석 데이터
    데이터명 편장석 비율 비 분석 데이터 
    데이터 유형 이미지 
    데이터 요약 • 콘크리트 품질에 직접적인 영향을 주는 편장석 비율 비 측정을 위한 AI 학습에 필요한 편장석 비율 비 이미지 Rotated Bounding Box
    데이터 출처 • 한국골재산업연구원 콘크리트용 자갈의 품질검사용 시료
       - 골재채취법 제4조 골재자원조사에 따라 골재 시료 채취
       - 골재재취법 제22조의4 및 관련 시행령, 시행규칙에 따라 골재 시료 채취
    • 산업현장은 분진, 소음, 차량 이동 등으로 현장 촬영이 어려워 채취해온 시료를 스튜디오로 옮겨 환경조건(색온도 등)을 달리한 후 촬영하여 이미지 확보 
    데이터 규모 • 자갈 암석 크기의 비율을 분석 대상, 편장석(자갈) 이미지 + 라벨링 데이터
       - 자갈 암석의 크기 비율 비가 3:1 이상인 자갈 암편
       - 자갈 암석의 크기 비율 비가 3:1 이하인 자갈 암편
    • 이미지당 자갈 개수 평균 3개 이상으로 33,642장의 이미지 

     

     ○ 메타데이터 정보
    ­     - 시료정보, 촬영정보, 자갈 품질정보, 이미지 정보를 포함하여 JOSN파일에 포함

    메타데이터 정보
    구분 정보 내역
    자갈 시료 정보  채취위치 시군구 또는 위경도 
    채취일자 0000년 
    생산형태  산림골재, 선별파쇄 골재 
    촬영정보  카메라 정보 a6400
    색온도 4,800K, 6,400K
    습윤정도  건조, 습윤, 침수 
    자갈 품질정보  밀도 S1~S5
    흡수율 %
    마모율 %
    안정성 %
    입자모양판정실적률 %
    편장석률 %
    이미지 정보  Object ID 데이터 파일명 
    해상도(Width) 1920
    해상도(Height)  1080

     

    - 데이터 구성 
     ○ 데이터 포맷

    데이터 포맷
    구분 원천데이터(FHD 이상) 라벨링데이터 
    자갈 암석종류 분석 데이터  PNG JSON
    편장석 비율 비 분석 데이터  PNG JSON

     

     ○ 원천데이터 예시

    원천데이터 예시
    구분 원천데이터
    자갈 암석종류 분석 데이터  원천데이터 예시(자갈 암석종류 분석 데이터) 이미지
    편장석 비율 비 분석 데이터  원천데이터 예시(편장석 비율 비 분석 데이터) 이미지

     

     ○ 라벨링 작업 예시

    라벨링 작업 예시
    구분 라벨링 작업 예시
    자갈 암석종류 분석 데이터  라벨링 작업 예시(자갈 암석종류 분석 데이터) 이미지
    편장석 비율 비 분석 데이터  라벨링 작업 예시(편장석 비율 비 분석 데이터) 이미지

     

     ○ 라벨링 데이터 예시 

    라벨링 데이터 예시
    자갈 암석종류 분석 데이터  편장석 비율 비 분석 데이터 
    라벨링 데이터 예시(자갈 암석종류 분석 데이터) 이미지 라벨링 데이터 예시(편장석 비율 비 분석 데이터)


     ○ 어노테이션 포맷 
    ­     - 자갈 암석 종류 분석 데이터 

    자갈 암석 종류 분석 데이터
    No. 항목명 타입 필수구분 항목 설명 예시
    1 object_id string Y 원천 데이터 파일명 202-m-005
    2 width int Y 이미지 너비 1280
    3 height int Y 이미지 높이 720
    4 drilling_place string N 채취 위치 위경도 또는 시군구(읍면동)
    5 camera_type string Y 카메라 타입 canon eos r8
    6 camera_angle int Y 촬영 각도 90
    7 area_illum int Y 촬영 조도 4,500
    8 area_place string Y 촬영 장소 stn_1
    9 area_hum string Y 습기 농도 습윤
    10 density string Y 밀도 S1~S5
    11 absorptivity string Y 흡수율(%) 0.90%
    12 wear string Y 마모율(%) 0~100%
    13 stability string Y 안정성(%) 0~100%
    14 sakaki string Y 실적율(%) 0~100%
    15 flat string Y 편장석율(%) 0~100%
    16 type string Y 어노테이션 타입 Polygon
    17 vertices array Y 객체별 암종,
    폴리곤 좌표를
    dictionary 형태로 포함한 array
     
    18 rock_type string Y 암종
    화강암(Granite),
    편마암(Gneiss),
    니암/사암(Mud_Sandstone),
    현무암(Basalt),
    풍화암(Weathered_Rock),
    안산암(Andesite),
    기타(Etc)
    Granite
    19 points string Y Vertices의 하위 key 자갈 객체 폴리곤의 좌표를 나타내며 dictionary 형태로 저장. 형식은 아래와 같음.
    20 x float Y x 좌표 1092.321...
    21 y float Y y 좌표 340.123...

     

    ­     - 편장석 비율 비 분석 데이터 

    편장석 비율 비 분석 데이터
    No 항목명 타입 필수구분 항목 설명 예시
    1 object_id string Y 원천 데이터 파일명 203-fp-302
    2 width int Y 이미지 너비 1280
    3 height int Y 이미지 높이 720
    4 camera_type string Y 카메라 타입 sony_a6400
    5 collection_place string N 채취 위치
    (위경도)
    latitude/longitude 순으로 표기
    127.409050, 36.3435604
    6 collection_date string Y 채취일자 2023.02.10 
    7 production_type  string  Y 생산형태
    (산림골재, Mountain_Forest)
    (선별파쇄골재,Artificial_Shred)
    (부순골재, Crushed)
    Mountain_Forest
    8 density string Y 밀도 S1~S5
    9 absorptivity string Y 흡수율(%) 0.90%
    10 wear string Y 마모율(%) 0~100%
    11 stability string Y 안정성(%) 0~100%
    12 sakaki string Y 실적율(%) 0~100%
    13 flat string Y 편장석율(%) 0~100%
    14 type string Y 어노테이션 타입 Rotated Bounding Box
    15 vertices array Y 객체별 R-BBox넘버,
    좌표, 편장석 여부를
    dictionary 형태로 포함한 array 
    아래 항목부터는 자갈 객체별
    R-BBox넘버, 좌표,
    편장석 여부가 하위 key:value로 포함.
    16 bbox_num string Y 어노테이션 넘버 1
    17 performance string Y 편장석 비율에 따른 여부를
    두 가지의 value로 구분
    비율 비 3:1 여부 (이상: bad,이하: good)
    18 points array Y vertices의 하위 key. 어노테이션의
     x/y 좌표를 포함
     
    19 x float Y rect 1 x좌표 182.67...
    20 y float Y rect 1 y좌표 62.43...
    21 x float Y rect 2 x좌표 956.54...
    22 y float Y rect 2 y좌표 62.43...
    23 x float Y rect 3 x좌표 956.54...
    24 y float Y rect 3 y좌표 577.19...
    25 ... ... ... ...  
  • 데이터셋 구축 담당자

    수행기관(주관) : ㈜에스티엔
    수행기관(주관)
    책임자명 전화번호 대표이메일 담당업무
    정다운 070-8831-9984 stnai5330@stn.re.kr 사업관리, AI 모델 학습
    수행기관(참여)
    수행기관(참여)
    기관명 담당업무
    데이터헌트(주) 데이터 가공
    (재)한국골재산업연구원 데이터 수집, 데이터 검수, 홍보
    어니컴(주) 데이터 검수
    데이터 관련 문의처
    데이터 관련 문의처
    담당자명 전화번호 이메일
    김종식 042-861-5330 stn5330@stn.re.kr
    정 다 운 070-8831-9984 stnai5330@stn.re.kr
    AI모델 관련 문의처
    AI모델 관련 문의처
    담당자명 전화번호 이메일
    김종식 070-8831-9991 stn5330@stn.re.kr
    정 다 운 070-8831-9981 stnai5330@stn.re.kr
    저작도구 관련 문의처
    저작도구 관련 문의처
    담당자명 전화번호 이메일
    정다운 070-8831-9981 stnai5330@stn.re.kr
    안 영 숙 042-861-5330 stn5330@stn.re.kr
보건의료 데이터 개방 안내

보건의료 데이터는 온라인 및 오프라인 안심존을 통해 개방됩니다.

안심존이란 안심존 이용메뉴얼 안심존 이용신청
  • 인터넷과 물리적으로 분리된 온라인·오프라인 공간으로 의료 데이터를 포함하여 보안 조치가 요구되는 데이터를 다운로드 없이 접근하고 분석 가능
    * 온라인 안심존 : 보안이 보장된 온라인 네트워크를 통해 집, 연구실, 사무실 등 어디서나 접속하여 데이터에 접근하고 분석
    * 오프라인 안심존 : 추가적인 보안이 필요한 데이터를 대상으로 지정된 물리적 공간에서만 접속하여 데이터에 접근하고 분석

    1. AI 허브 접속
      신청자
    2. 안심존
      사용신청
      신청자신청서류 제출*
    3. 심사구축기관
    4. 승인구축기관
    5. 데이터 분석 활용신청자
    6. 분석모델반출신청자
  • 1. 기관생명윤리위원회(IRB) 심의 결과 통지서 [IRB 알아보기] [공용IRB 심의신청 가이드라인]
    2. 기관생명윤리위원회(IRB) 승인된 연구계획서
    3. 신청자 소속 증빙 서류 (재직증명서, 재학증명서, 근로계약서 등 택1)
    4. 안심존 이용 신청서 [다운로드]
    5. 보안서약서 [다운로드]
    ※ 상기 신청서 및 첨부 서류를 완비한 후 신청을 진행하셔야 정상적으로 절차가 이루어집니다.

  • 신청 및 이용관련 문의는 safezone1@aihub.kr 또는 02-525-7708, 7709로 문의

데이터셋 다운로드 승인이 완료 된 후 API 다운로드 서비스를 이용하실 수 있습니다.

API 다운로드 파일은 분할 압축되어 다운로드 됩니다. 분할 압축 해제를 위해서는 분할 압축 파일들의 병합이 필요하며 리눅스 명령어 사용이 필요합니다.

리눅스 OS 계열에서 다운로드 받으시길 권장하며 윈도우에서 파일 다운로드 시 wsl(리눅스용 윈도우 하위 시스템) 설치가 필요합니다.

※ 파일 병합 리눅스 명령어

find "폴더경로" -name "파일명.zip.part*" -print0 | sort -zt'.' -k2V | xargs -0 cat > "파일명.zip"

- 해당 명령어 실행 시, 실행 경로 위치에 병합 압축 파일이 생성됩니다.

- 병합된 파일 용량이 0일 경우, 제대로 병합이 되지 않은 상태이니 "폴더경로"가 제대로 입력되었는지 확인 부탁드립니다.

※ 데이터셋 소개 페이지에서 다운로드 버튼 클릭하여 승인이 필요합니다.