METHODS OF DETECTING DAMAGE OF BRIDGE EXPANSION JOINT BASED ON DEEP-LEARNING AND STORAGE MEDIUM STORING PROGRAM PORFORMING THE SAME

A method of detecting damage to a bridge expansion joint based on deep learning comprises: a step of providing a sound wave signal collected from a sound wave sensor installed on an expansion joint of a bridge structure for an input layer of a one-dimensional (1D) convolutional neural network (CNN), wherein the sound wave signal is a temporally continuous sound waveform signal generated when a vehicle passes the expansion joint, and the sound waveform signal is classified into two types of a normal state and a damage state; a step of learning and verifying the sound wave signal by the one-dimensional (1D) CNN to construct a deep learning model; and a step of applying a prescribed detection criterion to determine whether an expansion joint installed on the bridge structure is damaged. If applied to a bridge structure, the method can identify and check the damage state of a site without a separate visit of an inspector to the site, collect and analyze data at a desired cycle, and identify and partially predict the damage trend of a specific portion (for example, an expansion joint) of the bridge structure by continuous data collection. 딥러닝 기반 교량 신축 이음 부위의 손상 탐지 방법은 교량 구조물의 신축 이음 부위에 설치된 음파 센서로부터 수집된 음파 신호-여기서, 상기 음파 신호는 차량이 상기 신축 이음 부위 통과시 발생하는 시간적으로 연속된 음파 파형 신호이며, 상기 음파 파형 신호는 정상 상태 및 손상 상태의 2가지 유형으로 분류됨-를 1차원(1D) 컨벌루션 뉴럴 네트워크(CNN; Convolutional Neural Network) 모델의 입력층으로 제공하는 단계와, 상기 음파 신호를 상기 1차원(1D) CNN 모델로 학습시키고 검증해 딥러닝 모델을 구축하는 단계와, 소정의 탐지 기준을 적용하여 상기 교량 구조물에 설치된 신축 이음 부위의 손상 여부를 판단하는 단계를 포함한다. 교량 구조물에 적용할 경우 별도 점검자의 방문 없이도 현장의 손상 상태 파악 확인가능하고, 원하는 주기로 데이터 수집 및 분석 가능하며, 지속적인 데이터의 수집으로 교량 구조물의 특정 부위(예: 신축 이음부)의 손상 추세의 파악 및 일부 예측이 가능하다.