NATM은 지반 자체를 주하중지지물로 사용하는 터널공법으로 다양한 공사 사이클(cycle) 반복으로 구성되어 있음. 이 때, NATM 기반 터널 건설 관리를 위해서는 주기 시간(cycle time)을 수집하는 것이 중요함. 터널 공사는 장비의 고장 및 지연, 자재 공급 부족 등 다양한 요인으로 인해 지연될 수 있으며, 이러한 지연은 총 건설 기간과 비용을 증가시켜 건설 프로젝트의 수익성에 상당한 영향을 미침. 때문에, 작업 시간에 대한 데이터 수집은 공사 지연의 주요 원인, 빈도 및 영향을 정량적으로 식별하여 일정 리스크를 관리하고 프로젝트 기간을 단축하는 데 도움이 됨. 하지만, 지연 원인을 분석하기 위해서는 장기간에 걸친 대량의 실시간 데이터가 필요하기 때문에 많은 노동력과 비용이 소요됨. 더불어, 좁은 공간에 여러 대의 건설기계가 작업을 하는 터널 내부의 가혹한 환경에서는 사람들이 장시간 동안 공사현장을 관찰하기 어려운 문제가 존재함. 이에, 본 연구는 인공지능(AI) 기반 데이터 수집을 통하여, 이 문제를 해결하고자 합니다. 본 프로젝트는 딥 러닝 기반의 AI 기술을 활용하여 인간간의 인지 시스템처럼 컴퓨터가 사물, 상황, 환경을 이해하고 시각 및 청각 정보에서 정보를 추출할 수 있도록 함. 따라서 인공지능 기반의 자동화 측정 기술을 이용하여 터널 건설 주기 시간에 대한 대량의 데이터 측정이 가능하고, 본 프로젝트는 인공 신경망 기반 NATM 주기 시간 데이터 수집 방법을 개발하는 것에서 더 나아가, NATM 터널 공사 굴착 시간 주기 및 가동 중지 시간(또는 기계 수리 및 자재 부족으로 인한 손실 시간)의 자동 측정 및 분석을 통한 건설 자동화 및 생산성 증진을 실현하고, 객체 인식 및 트랙킹을 통한 건설 자동화 연구 경쟁력 제고 실현을 목표로