한국건설기술연구원 "딥러닝으로 도심 하수도 악취 해결"

(지디넷코리아=남혁우 기자)한국건설기술연구원이 매트랩의 딥러닝 기술을 활용해 도심 하수도의 악취를 줄이는 시스템을 개발했다.

학습된 인공지능(AI)로 하수관로 CCTV 영상을 분석해 내부퇴적, 파손 등의 문제를 발견해 사전에 조치하는 방식이다.

한국건설기술연구원 지현욱 박사는 19일 매스웍스코리아가 주최한 '매트랩 온라인 컨퍼런스에서 ‘딥러닝을 이용한 하수관로 내부 경사 추출’이라는 주제로 발표했다.

지 박사는 “기존 고성능 센서 기반 연구 방식과 비교해 시간 및 물질적 경제성이 높고 별도의 현장조사가 필요 없어 편의성이 높으며, 정확성을 검증받았다”고 설명했다.

한국건설기술연구원 지현욱 박사(이미지=매스웍스)

이 프로젝트는 환경부에서 발주한 ‘도심 하수도 악취 저감을 위한 최적 시스템 개발’ 과제 수행의 일환으로 진행됐다. 2017년 4월부터 2021년 6월까지 4년 간 총 80억 원의 연구비가 투입됐으며, 한국건설기술연구원의 주관 하에 4개의 참여기관과 2개의 위탁연구기관이 함께 참여했다.

정화조 폐쇄, 퇴적 방지, 발산 방지 전략을 주축으로 하수도 악취 저감을 위한 총 9개의 기술 개발 목표 이행 과정에서 과학기술논문인용색인(SCI) 6건 및 특허 30건의 성과를 달성했다.

하수관로의 악취는 주로 충분한 경사가 지지 않아 내부에 퇴적물이 쌓이며 발생한다.

경사도 변화는 악취 외에도 하수 역류, 도시 침수 및 하천오염 등의 문제를 유발하기 때문에 해결해야 하는 문제다. 주로 부실한 기초공사, 땅의 꺼짐, 하수관로 파손, 단차로 인해 발생하며, 시공 단계에서 일반적으로 일어난다.

이러한 문제를 극복하기 위해선 지속적으로 전국 하수관로의 전수 조사가 필요하다.

그러나 기존 레이저, 초음파, 음파 및 전자 경사계를 활용한 센서 기반 하수관로 측정 연구방법은 많은 시간과 비용이 요구돼 경제성이 낮다. 또한, 민감도가 높아 실질적 조사가 불편하며 데이터 처리가 어려운 단점이 있다.

한국건설기술연구원은 이를 극복하기 위해 기존 하수관로 CCTV 영상을 딥러닝으로 학습시켜 기울기를 측정하는 AI모델을 개발했다.

먼저 CCTV 영상에서 283개 프레임 이미지를 추출한 후 매트랩의 이미지 라벨링을 이용해 AI에서 학습해야할 영역을 분리한다. 

이후 시맨틱 세그멘테이션 딥러닝 기법을 적용하여 이미지 안 물과 하수관 영역을 구분하는 딥러닝 모델을 개발했다.

하수관로 기울기는 하수관로 위치에 따른 하수수위의 상대적 변동에 따라 측정할 수 있었다. 하수관로 안 물과 하수관이 구분된 이미지에서 물의 수위선을 추출해서 직선으로 만들고 왼쪽과 오른쪽 직선이 만나는 소실점을 추출한 후 소실점 중심의 원을 그려 수위를 계산해 수치를 얻었다.

딥러닝 모델은 GPU 기반45분간의 훈련을 통해 개발됐으며 훈련 정확도 98%를 기록했다. 인간의 육안 관측에 의한 랜덤 표본 데이터와 비교해서도 90.4%의 정확도를 갖춘 것으로 확인됐다.

지현욱 박사는 “향후 보다 큰 규모의 훈련 데이터를 기반으로 딥러닝 모델을 개발해서 하수관로 내부 구배 측정 정확도를 향상시키고 센서 측정 방법과 성능을 비교하는 연구를 진행할 예정”이라고 설명했다. “

이어서 그는 “딥러닝 기반 하수관로 내부 경사 추출 데이터는 향후 정부의 하수관로의 관리를 효율적으로 지원하고 퇴적 및 악취를 개선하며 침수와 같은 재해를 예방하고 재해 발생시 투명한 정보로 원인 분석을 도울 것으로 기대된다“며 “또한 도시 침수 예측과 같은 모델 제작의 인풋 데이터로 활용할 수 있을 것”이라고 강조했다.

남혁우 기자(firstblood@zdnet.co.kr)