다중 스케일 밀집 어텐션 기반 레일 결함 탐지
레일 내부 결함은 철도 운행 안전에 심각한 위협을 가하며, 초음파 B-스캔 이미징은 레일 지하 상태를 시각화하는 효과적인 비파괴 검사 방법입니다. 그러나 B-스캔 이미지의 수동 해석은 시간이 많이 소요되고 작업자의 경험에 크게 의존한다는 문제가 있습니다. 본 연구는 이러한 한계를 극복하기 위해 레일 초음파 B-스캔 이미지의 자동 분류를 위한 다중 스케일 밀집 어텐션 네트워크(MSDA-Net)를 제안합니다. 제안된 MSDA-Net은 확장 컨볼루션, 다중 스케일 밀집 특징 추출, 그리고 어텐션 기반 특징 재조정 기법을 통합하여 다양한 공간 스케일에서 결함 특징을 포착하고, 동시에 판별적인 결함 관련 영역을 강화합니다. 모델 훈련 및 평가를 위해 여러 철도 구간에서 수집된 536개의 초음파 B-스캔 이미지를 포함하는 데이터셋을 구축했습니다. 실험 결과, MSDA-Net은 0.909의 정확도, 0.867의 매크로 정밀도, 0.845의 매크로 재현율, 그리고 0.848의 매크로 F1-점수를 달성했습니다. 비교 및 제거 실험을 통해 제안된 네트워크 구조가 레일 결함 분류에 효과적임을 추가적으로 입증했습니다. 본 연구는 레일 결함 탐지의 자동화 및 정확도 향상에 기여하여 철도 안전성을 높이는 데 중요한 의미를 가집니다. 제안된 MSDA-Net은 실제 철도 유지보수 현장에서 효율적인 비파괴 검사 솔루션으로 활용될 수 있을 것으로 기대됩니다.