1. 서 론

일반적인 중량을 가진 보통 콘크리트와 달리, 특수 목적을 위해 설계된 경량 콘크리트는 높은 다공성으로 인해 낮은 밀도의 특징을 나타낸다. 이러한 특성으로 인해 경량 콘크리트는 우수한 단열성 및 내화성과 같은 장점을 제공하지만, 콘크리트의 높은 다공성과 낮은 밀도는 강도 및 내구성 저하와 같은 단점으로 이어지기도 한다. 경량 콘크리트는 적용 목적과 성능 요구 사항에 따라 기포 주입 또는 경량 골재 혼입 등 다양한 형태로 제작될 수 있다. 특히, 일정 수준 이상의 구조 성능이 요구될 경우에는 경량 골재 콘크리트가 효과적인 해결책으로 여겨진다(Tanyildizi and Coskun, 2008).

경량 골재 콘크리트에 사용되는 골재는 천연 또는 인공 재료에서 유래될 수 있으며, 특히 인공 골재는 원재료를 고온으로 가열하여 팽창시키는 과정을 통해 내부에 다공성 구조를 형성함으로써 생산되며 이러한 다공성 경량골재는 콘크리트의 밀도를 낮추는 데 기여한다(Lu et al., 2023). 그러나 골재의 내부 기공이 외부와 연결되어 있을 경우, 이는 콘크리트의 내부 구조와 외부 환경을 연결하는 통로로 작용할 수 있으며, 특히 물과 이온의 침투 경로가 되어 콘크리트의 장기 내구성에 부정적인 영향을 미친다. 따라서 경량 골재 콘크리트의 내구성을 평가하기 위해서는 내부 기공 구조에 대한 정밀 분석이 중요하며, 이는 수분 및 오염물질 침투 예측뿐 아니라 장기적인 재료 성능 평가에도 직접적으로 연관된다.

콘크리트 내부의 기공 특성 분석은 전통적으로 수은 압입법 및 가스 흡착법과 같은 방법을 통해 수행되어 왔다. 그러나 이러한 기법은 분석 과정에서 시편에 손상이 가해지며, 기공 구조를 시각적으로 관찰할 수 없다는 한계가 있다. 최근에는 이러한 한계를 극복하기 위해 콘크리트 내부 기공 구조를 비파괴적으로 시각화하고 정량화할 수 있는 micro X-ray computer tomography(micro-CT) 기법이 유용한 도구로 활용되고 있다(Bossa et al., 2015; Chung et al., 2019).

Micro-CT에서 생성되는 회색조 이미지는 공극, 골재, 시멘트 페이스트 등 다양한 상을 구분하는 데 활용된다(Chung et al., 2017; Moaveni et al., 2013). 이러한 이미지에서 정량적인 정보를 추출하기 위해서는 일반적으로 이진화 또는 상분리가 효과적으로 선행되어야 한다. 이진화 또는 상분리 과정은 픽셀의 밝기 값을 기준으로 고체와 공극을 명확히 구분하는 과정이며, 분석 전체의 정확도를 좌우하는 핵심 단계이다. 일반적으로 상분리를 위한 임계값은 영상의 히스토그램을 기반으로 설정되며, 이 값은 주로 공극과 고체 상을 구분하는 데 사용된다. 신뢰할 수 있는 임계값을 얻기 위해 Otsu 알고리즘 기반의 전역 이진화 기법과 히스토그램 곡선 피팅 방법이 다수의 연구에서 널리 사용되어 왔다(Zhou et al., 2015). 또한, 각 픽셀을 고체 또는 공극으로 분류하기 위해 선형 감쇠 계수(linear attenuation coefficient, LAC) 값을 이용하거나 CNN, U-Net 등의 딥러닝 모델을 활용한 다양한 접근법도 제안되고 있다(Hong et al., 2024; Kim et al., 2020).

Micro-CT를 활용한 연구는 기공 특성 분석에 국한되지 않고, 섬유보강 콘크리트의 섬유 분포 확인, 골재와 시멘트 페이스트 사이의 계면 분석, 신소재 도입 시 내부 구조 평가 등 다양한 목적에 활용되어 왔다(Miletić et al., 2020). 특히, 골재나 신소재와 시멘트 페이스트를 명확히 구분하는 것은 interfacial transition zone(ITZ), 입자 간 거리, 상 간 연결성 등 주요 물리적 특성 평가에 매우 중요하다. 이러한 중요성에 따라 기존 연구들은 골재와 페이스트를 구분하기 위해 밀도나 형상 정보를 이용한 영상 분류 알고리즘을 적용해 왔다(Kim et al., 2024; Yu et al., 2018).

하지만 대부분의 기존 연구는 밀도 차이가 뚜렷한 일반 콘크리트를 대상으로 수행되었으며 경량 골재 콘크리트와 같이 골재 내부에 다수의 기공이 존재하는 복합 시스템에서는 상 분할의 정확도가 크게 저하된다. 특히, 경량골재는 다공성 특징으로 인해 CT 이미지상에서 시멘트 페이스트와 유사한 회색조(grayscale) 범위를 나타낸다. 또한 내부 기공이 CT 시스템의 해상도 한계 이하일 경우, 골재와 페이스트 간의 경계가 흐려지거나 겹쳐지는 문제가 발생한다(Salzer et al., 2012).

이에 따라 기존 연구들은 주로 골재와 페이스트를 구분하는 기술 개발에 집중해 왔지만, 경량 골재 콘크리트와 같이 골재 자체가 다공성인 시스템에서 이러한 골재를 시멘트 페이스트로부터 효과적으로 분리하는 연구는 매우 제한적으로 수행되어 왔다. 이러한 복잡한 재료 시스템에서는 기존의 이진화 또는 전통적인 분할 방식만으로는 충분하지 않으며, 기공 구조의 물리적 특성과 이미지 기반 특성을 동시에 고려하는 새로운 분석 방법의 개발이 필요하다.

이러한 문제를 해결하고자 본 연구에서는 경량 골재 콘크리트 micro-CT 영상 분석을 위한 고급 분할 알고리즘을 제안한다. 제안된 알고리즘에서는 기존의 히스토그램 기반 통계적 접근법과 달리, 제안된 알고리즘은 형상 정보에 기반한 형태학적 기법을 통합하여 정확도를 향상시킨다. 개발된 알고리즘은 팽창과 같은 형태학적 연산을 포함하며, 중요한 대비 영역만을 남기고 불필요한 특징을 제거하는 H-Maxima 기법을 적용한다. 또한, 침식 후 팽창 과정을 통해 골재 경계를 명확히 하고, watershed 알고리즘을 활용하여 연결된 골재를 효과적으로 분리한다. 아울러, 골재의 밀도 변화를 고려함으로써 골재, 기공, 내부 공극 간의 분리 완결성을 향상시킨다.

제안된 알고리즘의 유효성을 평가하기 위해 일정 수의 경량골재를 포함한 시편을 제작하고 micro-CT 영상을 획득할 예정이다. 이후 기존 분할 기법과 비교하여 골재의 정확한 분리 여부를 정량적으로 분석하고자 한다. 특히, 제안된 알고리즘이 기존 방법에서 나타나는 과소 또는 과도 분할 문제를 효과적으로 개선할 수 있는지를 중점적으로 검토할 예정이다. 또한, 각기 다른 세분화 방법을 적용한 micro-CT 기반 3차원 모델을 바탕으로 열전도도 및 투수 특성에 대한 수치 시뮬레이션을 수행할 계획이다. 시뮬레이션 결과는 동일 배합비로 제작된 시험체를 대상으로 한 실험적 열전도도 측정값과 비교함으로써, 제안된 알고리즘의 예측 신뢰성과 물성 재현 능력을 검증할 수 있을 것으로 기대된다.

2. 재료 및 방법

2.1 경량 골재 콘크리트 시험체 제작

경량 골재 콘크리트 시험체는 Table 1에 제시된 배합표를 이용하여 제작되었다. 이용된 시멘트의 경우 KS L 8524 규격에 맞는 1종 포틀란드 시멘트를 이용하였으며, 경량골재의 경우 독일에서 제작되는 팽창 유리인 Liaver®를 완전히 건조 후 이용하였다. 또한 시험체 제작 시 발생되는 재료 분리를 방지하기 위하여 증점제를 추가하였다. 제작된 시험체의 밀도는 600kg/m³이며, 건조 밀도는 560kg/m³이다.

2.2 Micro-CT를 활용한 시편 모델링 및 물성 해석

Micro-CT는 콘크리트 내부의 공극 구조를 고해상도로 비파괴 방식으로 영상화할 수 있는 기법이다. 본 연구에서는 경량 골재 콘크리트 시편의 내부 구조를 정밀하게 분석하기 위하여 Skyscan1173(Bruker, Germany) micro-CT 장비를 활용하였다. Micro-CT 촬영으로 얻어진 이미지의 해상도는 29µm/pixel의 8-bit 회색조 이미지로 각 픽셀은 0에서 255까지의 값을 가진다. 해당 이미지에서 공극은 고체 물질이 존재하지 않는 빈 공간이기 때문에 픽셀 값이 0을 나타내며 재료의 밀도가 높은 매트릭스는 밝은 회색 값으로 나타난다. 이러한 2차원 이미지를 MATLAB을 이용하여 적층하여 3차원 모델을 생성하고, 해당 데이터를 이용해 열전도율에 대한 시뮬레이션을 수행하였다. 경량 골재 콘크리트의 열전도율은 기존 분할 알고리즘으로 생성한 3D 모델과 본 연구에서 제안한 새로운 알고리즘으로 처리한 3D 모델을 비교함으로써 평가되었다. 특히, 경량 골재의 분할 방식 차이에 따른 영향을 정량적으로 평가하기 위해 열전달 거동을 구성방정식인 식 (1)을 통해 분석하였다. 더불어, 골재와 시멘트 페이스트 간 경계가 명확하지 않게 되는 과도한 분할 현상과 골재가 공극으로 잘못 분류되는 분할 오류가 시뮬레이션 결과에 미치는 영향도 함께 분석하였다.

식 (1)에서 q˙은 heat flux, K는 유효 열전도도, T는 온도를 나타낸다.

2.3 실험

수치 시뮬레이션의 신뢰성을 확보하기 위하여 열전도율에 대한 실험적 검증을 수행하였다. 열전도율은 Hot Disk 장비를 이용하여 진행되었다. 측정을 위한 경량 골재 콘크리트 시험체의 크기는 50 × 50 × 50mm³의 크기로 제작되었으며, Hot Disk 7713(Hot Disk, Sweden)센서를 이용하여 비열 및 열유속을 측정하였다.

3. Micro-CT 이미지 분할 방법

3.1 기존 이미지 분할 방법

콘크리트의 비파괴적 분석은 재료의 성능 평가 및 내구성 검토에 있어 중요한 요소이며, 이러한 필요성으로 인하여 micro-CT를 이용한 연구가 활발히 진행되어 왔다. Micro-CT를 이용한 연구에서는 내부 공극과 고체 영역을 정확하게 구분하는 것이 핵심적인 과제이며, 이를 해결하기 위하여 다양한 분할 기법이 적용되어 왔다. 이 중에서도 가장 널리 사용되는 방법은 히스토그램 기반의 Otsu 기법을 이용한 이미지 분할 기법이다. 임계값(threshold) 기반 분할 방법은 회색조 이미지의 모든 픽셀 값을 특정 임계값과 비교한 후, 해당 결과에 따라 각 픽셀을 서로 다른 범주로 분류하는 방식이다. 그러나 임계값 설정에 따라 과도한 분할 현상이 발생될 수 있어 신중한 적용이 필요하다. Otsu 기법은 자동 임계값 선택 방법으로 이미지 내 대상과 배경 간의 분산을 최대화하는 임계값을 찾는 방식이다(Zhang and Hu, 2008). 이러한 방식은 이미지의 회색조 값의 차이가 크지 않은 경우 정확한 분할을 수행하는데 한계가 존재한다. 특히 경량 골재 콘크리트의 경우 micro-CT에서 얻어진 회색조의 이미지에서 각 픽셀 값 간 명암 차이가 크지 않기 때문에 경량골재, 경량골재 내부의 공극, 시멘트 페이스트 등을 명확히 구분하는 것이 한계점으로 적용된다.

공극과 고체를 분할 한 후, 서로 붙어 있는 골재를 개별적으로 분리하는 데에는 일반적으로 watershed 기법이 사용된다. 그러나, 공극 또는 골재의 표면이 불규칙한 경우 watershed 기법이 정상적으로 작동하지 않아 공극 또는 골재가 잘못 분할이 되거나 일부가 과도하게 분리되는 문제가 발생될 수 있다.

3.2 향상된 이미지 분할 방법

본 연구에서는 위에 언급되었던 경량 골재 콘크리트의 이미지 처리에 대한 한계를 극복하고자 새로운 알고리즘을 제안하였다. 전통적인 방법에서 경량 골재 콘크리트의 CT 이미지를 처리하였을 때 발생되는 분할 한계를 처리하기 위하여 Fig. 1에 나타난 바와 같이 형상학적 기반의 이미지 처리 기법을 추가하였으며, 경량 골재 콘크리트에 포함되는 경량골재의 특성을 반영하기 위하여 포함되는 골재의 밀도를 다르게 구분하는 과정을 추가하였다. 또한 같은 범주의 골재에서 생성되는 밀도 차에 따른 이미지 차이를 극복하고자 같은 범주의 골재에서 밀도 차이를 반영하는 과정을 추가하였다.

Fig. 1.

Proposed segmentation method algorithm

본 연구의 첫 번째 과정은 골재 분할 및 이진 이미지 처리이다. 골재와 시멘트 페이스트를 명확히 구분하기 위해 적절한 임계값을 설정한 후, 해당 임계값을 기반으로 morphology 기반의 팽창과 같은 연산을 기반으로 하며 특정 크기나 대비 조건에 맞는 극값만을 남기고 억제하는 H-maxima 기법을 적용하였다(Ghazali et al., 2012). 이후, 정교한 분리를 수행하기 위해 H-maxima extended 기법을 추가적으로 활용하였다. 해당 기법을 적절하게 이용하기 위하여 설정되는 h-value는 원본 아미지의 histogram을 기반으로 하여 피크점의 평균값을 이용하였다.

분할면의 경계를 더욱 명확하게 하기 위해 이미지 침식 및 열기 연산을 적용하였으며, 이 과정에서 발생하는 노이즈를 제거하였다. 이후, 공극의 연결성을 차단하기 위해 watershed 알고리즘을 활용하여 서로 인접한 골재를 효과적으로 분리하였다. 마지막으로 분리된 골재의 경계를 더욱 정확하게 정의하기 위해 이미지 열기 연산을 수행하였다. 이때 이용된 커널의 사이즈는 sphere로 가정되었으며, 크기는 실제 이미지의 픽셀 크기에 맞춰 설정되었다(Fig. 2).

Fig. 2.

Sample imaging results from the proposed segmentation method

획득된 이미지를 기반으로 실제 포함된 골재의 크기에 따라 분류를 수행하였다. 골재 분류 과정에서는 MATLAB 내장 함수를 활용하여 개별 클러스터의 중심을 계산한 후, 해당 클러스터의 지름을 산출하여 골재를 분류하였다. 본 연구에 이용된 내장함수와 기능은 Table 2와 같다. 실제 포함된 골재의 길이와 이미지에 이용되는 실제 픽셀 사이즈, 그리고 중심을 기반으로 계산되는 수치를 서로 대입하여 실제 공재 입경에 맞게 분류를 수행하였다. 이후, 분류된 골재 데이터를 바탕으로 임계값 기반 분할을 이용하여 골재 내부의 공극을 구분하였다. 같은 크기의 골재 내에서도 밀도 차이가 존재할 수 있으므로 밀도가 높은 골재를 대상으로 추가적인 임계값 기반 분류를 수행하였다. 골재 내부에는 수많은 공극이 포함되어 있는데, 이전 단계에서 각 클래스 별로 골재를 나누고, 나눠진 골재에 대해 히스토그램 기반의 분할 기법을 이용하여 공극만을 구분해 내었다. 이후 공극을 분류된 골재에 적용 후 공극을 포함한 골재 각가의 클러스터에서 공극률을 판단하였고, 50% 이하는 밀도가 높은 골재, 50% 이상 80% 이하는 밀도가 낮은 골재, 80% 이상은 공극으로 설정하였다. 이 과정에서 밀도가 낮아 분할 과정에서 제거될 가능성이 있는 골재를 다시 공극 이진화 처리를 적용하여 최종적으로 향상된 분류를 수행하였다. 각 군집별로 분리된 골재 및 공극 데이터를 활용하여 전체 이미지에서 골재를 독립적으로 분리한 후, 임계값 기반 분할을 적용하여 시멘트 페이스트 내부의 공극을 추가적으로 분할하였다. 마지막으로 최종적으로 분류된 골재, 골재 내부 공극, 그리고 시멘트 페이스트 내부 공극을 단일 데이터로 변환하였다. 이를 통해 최종적으로 생성된 분할 결과의 정확도를 검증하였다.

4. 제안된 세분화 알고리즘 검증

4.1 정성 및 정량 평가를 통한 검증 과정

새로운 알고리즘과 기존 알고리즘을 적용한 데이터를 비교하기 위해 2D 이미지 분석을 수행하였다. 기존 알고리즘을 이용해 분할한 이미지에서 발생된 문제는 다음과 같다. 대표적인 예로 골재의 형상이 불규칙하게 나타나는 현상이다. Fig. 3(b)에 나타난 바와 같이 기존 알고리즘을 적용한 경우 CT 이미지에서 경량골재의 표면 형상이 연속적으로 표현되지 못하고 불규칙한 형태를 보였다. 반면, 제안된 알고리즘을 적용한 경우 Fig. 3(c)에 제시된 것과 같이 일정한 표면 형상이 유지되는 것을 확인하였다. 또한, 골재가 분리되지 않는 현상이 발생할 수 있다. Fig. 4(b)에서 확인할 수 있듯이, 기존 알고리즘을 적용한 경우, 인접한 골재들이 하나의 덩어리로 인식되는 경향이 있었다. 반면, 제안된 알고리즘을 적용하면 Fig. 4(c)에 나타난 바와 같이 각 골재가 명확하게 분리되어 처리되는 것을 확인할 수 있었다. 마지막으로 공극이 골재로 처리되는 과분할(over-segmentation) 현상이 발생할 수 있다. Fig. 5(b)에 나타난 바와 같이 기존 알고리즘에서는 공극이 다수 포함된 영역이 골재로 처리되었으나, 제안된 알고리즘에서는 Fig. 5(c)와 같이 골재의 밀도 차이를 반영하여 시멘트 페이스트 내 공극으로 올바르게 분류되었다.

Fig. 3.

Particle surface description using the proposed method

Fig. 4.

Adjustment of over segmentation by misclassification

Fig. 5.

Example of accurate particle segmentation using the proposed method

이러한 차이를 정량적으로 분석하기 위해 3D 데이터 비교를 수행하였으며, 결과는 Fig. 6에 나타나 있다. 분석 결과, 전체 공극률에서 약 2%의 차이가 발생하는 것을 확인하였다. 특히, 가장 큰 차이를 보인 항목은 시멘트 페이스트 내부 공극률과 골재 내부 공극률이었다. 시멘트 페이스트 내부 공극률의 경우, 제안된 알고리즘을 적용했을 때 기존 알고리즘 대비 9% 이상 증가하였다. 이는 기존 알고리즘이 페이스트 내부에 존재하는 큰 공극을 골재로 잘못 분류하고, 미세한 공극만 남기는 방식으로 처리되었기 때문으로 해석된다. 반면, 골재 내부 공극률의 경우 제안된 알고리즘을 적용한 결과 기존 알고리즘 보다 약 10% 낮게 나타났다. 이는 기존 알고리즘이 밀도 및 골재 크기의 영향을 고려하지 않아, 밀도가 낮은 골재 내부의 공극을 과도하게 포함시키는 경향이 있었기 때문으로 판단된다.

Fig. 6.

Comparison of conventional and proposed methods for segmentation (%)

본 연구를 통해 제안된 알고리즘이 기존 알고리즘 대비 과도한 분할 문제를 줄일 수 있음을 입증하였으며, 이를 통해 정확한 경량 골재 콘크리트 내부 공극 구조 분석이 가능함을 확인하였다. 또한, 분류 방법에 따른 골재 및 공극의 분포 차이가 콘크리트의 물리적 특성에 미치는 영향은 4.3절에서 열물성 시뮬레이션을 통해 추가적으로 분석하였다.

4.2 기준 시편 기반 정확도 검증

새로운 알고리즘을 통해 골재가 정확하게 분리되는지를 검증하기 위해, 골재의 개수와 크기가 사전에 알려진 시험체를 제작하였다. 시험체는 CT 촬영에 최적화된 2 × 2 × 2cm³ 크기로 제작되었으며, 제작 과정에서 골재 간 분리 문제 및 경량골재 시험체 제작 시 발생할 수 있는 변수를 최소화하기 위해 4~8mm 및 1~2mm 크기의 Liaver^®만을 사용하였다. 최종적으로 제작된 시험체에는 4~8mm 골재 10개와 1~2mm 골재 20개가 포함되었다. 이 시험체를 대상으로 동일한 촬영 조건 하에서 기존 알고리즘과 제안된 알고리즘을 적용하여 CT 이미지 분석을 수행하였으며, 그 결과는 Fig. 7와 Fig. 8에 제시되어 있다. 기존 알고리즘을 적용한 경우, 낮은 밀도의 골재와 높은 밀도의 골재가 동일한 기준으로 처리되었기 때문에 낮은 밀도의 골재는 공극으로 잘못 인식되고, 높은 밀도의 골재 내부에서도 밀도가 낮은 영역만 공극으로 분류되는 문제가 발생하였다.

Fig. 7.

Segmentation process and result of LWAC CT image using conventional method

Fig. 8.

Segmentation process and result of LWAC CT image using proposed method

또한, 골재가 제대로 분리되지 않은 상태에서 watershed 기법을 적용하여 연결된 골재를 분리하는 과정에서 불필요한 다수의 입자가 생성되었으며, 이로 인해 최종적으로 골재의 개수를 정확하게 파악하는 것이 어려웠다. 반면, 제안된 알고리즘을 적용한 결과, 1차적으로 골재의 크기에 따라 분류가 수행되었으며, 동일한 크기의 골재 내에서도 밀도 차이를 반영하여 낮은 밀도의 골재와 높은 밀도의 골재를 별도로 처리하였다. 이를 통해 골재의 형상이 명확하게 반영된 상태로 분리됨을 확인할 수 있었다. 최종적으로 제안된 알고리즘을 통해 분석된 CT 이미지에서 얻어진 골재의 개수는 4~8mm 10개, 1~2mm 20개로, 사전에 설정된 시험체의 실제 골재 개수와 정확히 일치하는 것으로 확인되었다. 이를 통해 새로 제안된 방법을 통해 다공성 골재의 분할을 효과적으로 수행할 수 있음을 확인하였다.

4.3 실험 결과 및 열전도도 시뮬레이션

기존 분할 알고리즘으로 생성된 모델과 본 연구에서 제안한 새로운 분할 알고리즘으로 생성된 모델을 대상으로 투수성 및 열전도도에 대한 수치 해석을 수행하여 두 방법 간의 차이를 비교하였다. 시뮬레이션 결과의 신뢰성을 확보하기 위하여 동일한 배합비로 제작된 경량 골재 콘크리트 시험체를 사용하여 실험적 열전도도 측정을 병행하였다.

열전도도 시뮬레이션은 GeoDict 프로그램(Math 2 Market)을 이용하여 수행하였으며, 입력을 위한 각 구성성분의 열전도율은 기존 문헌 자료를 참고하여 Table 3에 나타난 바와 같이 설정하였다. 시뮬레이션 조건은 시험체의 Z축을 제외한 모든 면을 단열 조건으로 설정하고, Z축 방향으로만 열이 흐르도록 하였다. 열이 흐르는 방향의 한 면의 온도는 60°C, 반대쪽 면의 온도는 20°C로 설정하여 열 흐름을 유도하였다.

기존 분할 알고리즘으로 생성된 모델의 열전도도는 0.208W/m･K였으며, 제안된 새로운 알고리즘 기반 모델의 열전도도는 다소 낮은 0.194W/m･K로 나타났다. 이는 실험적으로 측정된 열전도도 값, 약 0.15W/m･K과 유사한 수치로, 제안된 알고리즘 기반 모델이 실제 물성을 정확하게 반영하고 있음을 보여준다.

또한 Fig. 9에 나타난 바와 같이 각 모델의 단면별 heat flux 분포를 비교한 결과, 기존 모델에서는 공극이 명확히 분리되지 않아 열이 골재를 관통하는 경향이 시각적으로 확인되었다. 반면, 제안된 알고리즘으로 생성된 모델에서는 골재, 시멘트 페이스트, 공극 간 경계가 뚜렷하게 구분되었으며, 이에 따라 열의 흐름 또한 각 상 특성에 따라 제한적으로 이동하는 양상이 나타났다. 이러한 결과는 제안된 분할 알고리즘이 열전달 특성을 정밀하게 모사할 수 있음을 의미하며, 향후 내구성 평가 및 장기 성능 예측 시 유용하게 활용될 수 있음을 시사한다.

Fig. 9.

Results of heat flux distribution

5. 결 론

본 연구에서는 경량 골재 콘크리트의 micro-CT 영상 처리를 위한 향상된 분할 알고리즘을 제안하였다. 제안된 방법은 이진화 처리를 위해 H-maxima 및 H-maxima extended 기반의 형태학적 연산을 포함하고 있다. 또한, 골재 경계를 명확하게 하기 위한 영상 열기 기법이 적용되었으며, 골재의 크기 및 밀도에 따른 분할 조건이 정밀하게 조정되어 고체와 공극 간의 정밀한 분류를 가능하게 하였다.

정량적 및 정성적 분석 결과, 제안된 알고리즘은 기존 방법에서 발생하던 표면 불규칙성, 과도한 분할, 과소분할 문제를 효과적으로 해결하는 것으로 나타났다.

아울러, 다양한 분할 기법이 열전도도 시뮬레이션 결과에 미치는 영향을 평가한 결과, 제안된 알고리즘은 열 및 유체 흐름 특성을 정확하게 반영하여 경량 골재 콘크리트 내부의 유체 및 열 전달 메커니즘을 현실적으로 표현함을 확인하였다.

이러한 결과는 제안된 분할 접근법이 경량 골재 콘크리트의 내구성 및 물리적 특성 평가를 위한 수치 해석의 신뢰성을 향상시킬 수 있음을 시사하며, 이는 궁극적으로 경량 골재 콘크리트의 거동을 정확하게 모델링하고 실무 적용에 있어 예측 역량을 향상시키는 데 기여할 수 있을 것으로 기대된다.