김홍조 교수팀, 미세 균열 정밀 탐지를 위한 주파수 인식 분할 네트워크(FACS-net) 및 균열 위상 손실(CT-loss) 기술

이미지
김홍조 교수님은 인프라 시설물의 안전 진단 시 식별이 어려운 미세 균열(Thin cracks)을 정밀하게 탐지하기 위해 ‘주파수 인식 균열 분할 네트워크(FACS-net)’와 균열 위상 손실(CT-loss) 함수를 제안하였다. 주파수 영역의 정보를 활용하여 복잡한 배경 노이즈 속에서도 미세 균열의 특징을 효과적으로 포착하고, 위상 손실 함수를 통해 끊어지기 쉬운 균열의 연결성을 보존함으로써 기존 모델 대비 월등한 분할 성능을 입증하였다. (Automation in Construction, 182, 2026.2월호) https://doi.org/10.1016/j.autcon.2025.106719

김상현 교수팀, Rapid start-up strategy for biohydrogen production using cryopreserved hydrogen-producing granules 논문

이미지
김상현 교수팀은 바이오수소 생산 공정의 초기 기동 시간을 획기적으로 단축할 수 있는 기술을 개발했다. 본 연구에서는 수소를 생산하는 미생물 과립(hydrogen-producing granules, HPGs)을 동결보존한 후 재사용하는 전략을 적용하였다. 동결보존 조건으로 −20 ℃와 글리세롤 20%(w/v)가 최적임을 도출하였으며, 이를 69일간 저장한 뒤 연속식 바이오수소 생산 공정의 접종원으로 활용하였다. 그 결과 공정 운전 2일 만에 과립 형성이 관찰되었고, 6일째 최대 수소 생산속도 79.2 L H₂/L·d를 달성하였다. 본 연구 결과는 바이오수소 생산 시 초기 불확실성을 해소할 있는 방안을 제시하여, 해당 기술의 상용화 가능성을 높인 것으로 평가된다. (Fuel, 407, 2026.3월) https://doi.org/10.1016/j.fuel.2025.137478

김형관 교수팀, Safety Analysis and Localization of Scaffold Joints Using UAV-Acquired Images 논문

이미지
김형관 교수팀은 UAV를 활용해 개별 비계 접합부의 안전 상태를 자동으로 판별하는 알고리즘을 제안하였다. 이는 기존의 육안 검사 방식을 정량적이고 자동화된 시스템으로 전환함으로써, 건설 현장의 안전 확보에 실질적으로 기여할 수 있다. (Journal of Construction Engineering and Management, 151(12), 2025.12월) https://doi.org/10.1061/JCEMD4.COENG-17051

교육연구단 뉴스레터 2025. 9 vol. 9

이미지
연세대학교 건설환경공학과 뉴스레터

전공 소개 및 최근 이슈 | 건설경영(스마트시티 인프라)

  - 미래 / 글로벌 전환 대응 , 산업 현장 적용 : 음식물쓰레기 · 농업부산물 등 유기성 폐기물을 수소 · 메탄 등 청정에너지로 전환하는 기술을 개발했다 . 수소 생산 미생물이 ‘ 그래뉼 (granule)’ 형태를 형성하면 생산 효율과 안정성이 크게 향상되는 원리를 규명하고 , 고활성 미생물을 고농도로 유지하는 기술을 확보했다 . 동적막 (DMBR) 기반 연속 수소 생산 공정에서는 기존 대비 10 배 이상 향상된 세계 최고 수준의 생산성을 달성했으며 , 이 성과는 2023 년 9 월과 2024 년 8 월 Chemical Engineering Journal 에 게재되었으며 현재 SK 에코플랜트와 산학 공동으로 600 L 규모 실증 연구가 진행 중이다 . - 지속가능 사회 대응 , 정책 실현 기여 : 본 기술은 지자체 유기성 폐자원 활용 의무화 정책에 부합하며 , 수소경제 전환과 2050 탄소중립 목표 달성에 기여할 핵심 기술로 평가된다 . 대규모 설비 증설 없이도 미이용 바이오가스를 효율적으로 회수할 수 있어 , 향후 분산형 폐수 · 폐기물 처리 시스템의 고효율화와 친환경 에너지 전환에 중요한 역할이 기대된다 .

김홍조 교수팀, ‘Creative Construction Conferece’ 참가

김홍조 교수팀은 지난 6 월 14~17 일까지 크로아티아 자다르에서 개최된 창의적 건설학회인 ‘CCC(Creative Construction Conferece)’ 에 참가하여 연구 성과를 발표했다 . 정민우 연구원은 ‘Retrieval-Augmented Code Execution Framework for Automated Structural Calculation of Precast Concrete Floor Panels’ 발표를 통해 대규모 언어모델과 RAG(Retrieval-Augmented Generation), 코드 실행 , 다중 에이전트 시스템 (Multi Agent System) 을 결합하여 프리캐스트 콘크리트 바닥판 구조 계산의 정확성과 신뢰성을 향상시키고 , 실제 설계 검토 시나리오를 통해 그 효과를 검증했다 . 박재현 연구원은 'Monetary Benefit Quantification for Smart Construction Safety Technology' 발표를 통해 스마트 안전 장비 도입의 경제성을 평가하기 위한 프레임워크를 제안하고 , 실제 사고 사례를 바탕으로 스마트 장비가 일정 수준의 사망률을 예방할 경우 경제적 효용이 발생하는 시점을 검증했다 . 신영아 연구원은 ‘Comparative Analysis of Short-term Water Level Forecasting in Ungauged River Systems’ 을 발표하고 미계측 하천에서의 수위 변화를 예측하기 위해 시계열 데이터 특화 딥러닝 모델을 실제 국내 수위 · 기상 데이터에 적용해 비교 분석하고 극한 강우 시 단기 수위 예측 정확도를 향상시키고 실시간 적용 가능성을 검증했다 . 

김홍조 교수팀, 국제건설자동화학회 ‘ISARC’ 참가

김홍조 교수팀은 지난 7 월 28~31 일까지 캐나다 몬트리올에서 개최된 국제 건설자동화 학회인 ‘ISARC(International Symposium on Automation and Robotics in Construction)’ 에 참가해 연구성과를 발표했다 . 최기창 연구원은 ‘Efficient RAG for Construction in Low-Resource Language’ 발표를 통해 저자원 언어 환경의 건설 분야에서 RAG 성능을 향상 시키기 위해 도메인 특화 임베딩 모델 파인튜닝 방법론을 제안하고 , 이를 통해 검색 및 답변 생성 성능을 개선했으며 실제 건설 규정 문서를 활용해 적용 가능성을 검증했다 . 

조유라 연구원, 2025년 ‘백강환경장학재단 우수 장학생’ 선정

이미지
조유라 연구원 ( 김상현 교수팀 ) 은 지난 5 월 11~13 일 열린 ‘ 한국폐기물자원순환학회 춘계학술대회 ’ 에서 ( 재 ) 백강환경장학재단으로부터 환경보호 분야의 학문적 발전에 기여할 잠재력과 소양을 인정받아 우수 장학생으로 선정되어 수상했다 .

김상현 교수, 7월 이달의 과학기술인상 선정

이미지
김상현 교수는 과학기술정보통신부와 한국연구재단이 선정하는 2025 년 7 월 이달의 과학기술인상 수상자로 선정됐다 . 김 교수팀은 미생물의 입상화 (granulation) 기술을 활용해 멸균 과정 없이도 수소 생성균을 고농도로 유지할 수 있는 연속 수소 생산 공정을 개발했으며 , 이는 기존 대비 14 배 이상 높은 수소 생산 효율을 달성한 이 기술은 음식물쓰레기 , 하수찌꺼기 등 유기성 폐자원의 고효율 자원화에 기여할 수 있다 . 현재 SK 에코플랜트와 함께 대규모 실증을 위한 파일럿 연구가 진행 중이다 .

김홍조 교수팀, 건설 현장 CCTV 영상 기반 학습 데이터 자동 생성 방법 개발

이미지
김태건 연구원 ( 김홍조 교수팀 ) 의 ‘Moving-Feature-Driven Label Propagation for Training Data Generation from Target Domains’ 논문이 ‘Computers in Industry’ 저널에 게재 승인됐다 . 본 연구에서는 건설 현장 CCTV 영상에서 optical flow estimation 기반 이동 객체 검출 , 자기학습 (self-training) 을 통한 라벨 전파 , 그리고 이미지 인페인팅 · 복사 - 붙여넣기 증강 기법을 유기적으로 결합한 학습 데이터 자동 생성 방법을 제안했다 . 이 방법은 별도의 수동 라벨링 없이도 새로운 현장의 다양한 시각적 · 환경적 조건에 적응할 수 있는 학습 데이터를 구축함으로써 딥러닝 기반 객체 검출 모델이 새로운 현장에 적용될 때 흔히 발생하는 성능 저하 (domain shift) 문제를 획기적으로 완화했다 . 실험 결과 , 제안 기법은 조도 변화 , 촬영 각도 , 배경 혼잡도 등 다양한 조건 변화에도 안정적으로 성능을 유지하며 , 건설 AI 모델의 현장 적용 가능성과 확장성을 크게 높이는 기술적 의의를 입증했다 . https://doi.org/10.1016/j.compind.2025.104335