[논문]엣지 시스템을 위한 LSTM 기반 화재 및 악취 예측 모델

윤주상; 이태진

doi:10.3745/ktccs.2022.11.2.67

초록
AI-Helper

최근 인공지능을 활용한 다양한 지능형 응용서비스 개발이 활발히 진행 중이다. 특히, 제조 산업 현장에서는 인공지능 기반 실시간 예측서비스 연구가 활발히 진행 중이며 이중 화재 및 악취를 감지·예측할 수 있는 인공지능 서비스에 대한 요구가 매우 높다. 하지만 기존 감지·예측시스템은 화재 및 악취 발생 예측이 아닌 발생 후 감지 서비스가 대부분이다. 이는 인공지능 기반 예측서비스 기술이 적용되어 있지 않기 때문이다. 또한, 화재 예측 및 악취 감지·예측서비스는 초저지연 특징을 가진 서비스이다. 따라서 초저지연 예측서비스를 제공하기 위해 엣지 컴퓨팅 기술이 인공지능 모델과 결합되어 클라우드에 비해 빠른 추론 결과를 현장에 빠르게 적용할 수 있도록 개발 중이다. 따라서 본 논문에서는 제조 산업 현장에서 가장 많이 요구되는 화재 예측 및 악취 감지·예측에 사용할 수 있는 LSTM 알고리즘 기반 학습모델을 제안한다. 또한, 제안하는 학습모델은 엣지 다바이스에 구현이 가능하도록 설계하였으며 사물인터넷 단말로부터 실시간 센서데이터를 수신하고 이 데이터를 추론 모델에 적용하여 화재 및 악취 상태를 실시간으로 예측할 수 있도록 제안한다. 제안된 모델은 3가지 성능 지표를 통해 학습모델의 예측 정확도를 평가하였으며 평가 결과는 평균 90% 이상 성능을 보였다.

Abstract ▼ AI-Helper

Recently, various intelligent application services using artificial intelligence are being actively developed. In particular, research on artificial intelligence-based real-time prediction services is being actively conducted in the manufacturing industry, and the demand for artificial intelligence ...

Recently, various intelligent application services using artificial intelligence are being actively developed. In particular, research on artificial intelligence-based real-time prediction services is being actively conducted in the manufacturing industry, and the demand for artificial intelligence services that can detect and predict fire and odors is very high. However, most of the existing detection and prediction systems do not predict the occurrence of fires and odors, but rather provide detection services after occurrence. This is because AI-based prediction service technology is not applied in existing systems. In addition, fire prediction, odor detection and odor level prediction services are services with ultra-low delay characteristics. Therefore, in order to provide ultra-low-latency prediction service, edge computing technology is combined with artificial intelligence models, so that faster inference results can be applied to the field faster than the cloud is being developed. Therefore, in this paper, we propose an LSTM algorithm-based learning model that can be used for fire prediction and odor detection/prediction, which are most required in the manufacturing industry. In addition, the proposed learning model is designed to be implemented in edge devices, and it is proposed to receive real-time sensor data from the IoT terminal and apply this data to the inference model to predict fire and odor conditions in real time. The proposed model evaluated the prediction accuracy of the learning model through three performance indicators, and the evaluation result showed an average performance of over 90%.

주제어

표/그림 (15)

그림 Fig. 1. Odor Test Environment
그림 Fig. 2. Fire Test Environment
그림 Fig. 3. Time-series Data in the Event of a Fire
그림 Fig. 4. Time-series Data in the Event of a Odor
그림 Fig. 5. Time-series Data of Fire Occurrence Situation ApplyingSmoothing Technique
그림 Fig. 6. Time-series Data of Odor Occurrence Situation Applying Smoothing Technique
그림 Fig. 7. Amplified Learning Data of Odor Occurrence Situations
그림 Fig. 8. Amplified Learning Data of Fire Occurrence Situations
그림 Fig. 9. Amplified Learning Data of Odor Occurrence Situations after Normalization
그림 Fig. 10. Amplified Learning Data of Fire Occurrence Situations after Normalization
그림 Fig. 11. Structure of Odor Prediction Learning Model
그림 Fig. 12. Structure of Fire Prediction Learning Model
그림 Fig. 13. Performance of Fire Prediction Model
그림 Fig. 14. Performance of Odor Prediction Model
표 Table 1. Experimental Results

참고문헌 (7)

M. Nakip and C. Guzelis, ''Development of a multi-sensor fire detector based on machine learning models,'' in 2019 Innovations in Intelligent Systems and Applications Conference (ASYU), pp.1-6, Oct. 2019.
L. Wu, L. Chen, and X. Hao, ''Multi-sensor data fusion algorithm for indoor fire early warning based on BP neural network,'' Information, Vol.12, No.2, pp.59, Jan. 2021.

상세보기
A. Sharma, P. K. Singh, and Y. Kumar, ''An integrated fire detection system using IoT and image processing technique for smart cities,'' Sustainable Cities and Society, Vol.61, Art. No.102332, Oct. 2020.

상세보기
Y. Mao, C. You, J. Zhang, K. Huang, and K B. Letaief, "A survey on mobile edge computing: The communication perspective," IEEE Communications Surveys Tutorials, Vol.19, No.4, pp.2322-2358, 2017.

상세보기
R. Chanonsirivorakul and N. Nimsuk, "A study of relationship between sensor response and odor perception in human," in International Electrical Engineering Congress (iEECON), pp.1-4, Mar. 2018.
D. Wu, D. Luo, K. Wong, and K. Hung "POP-CNN: Predicting odor pleasantness with convolutional neural network," IEEE Sensors Journal, Vol.19, No.23, pp.11337-11345, 2019.

상세보기
Z. Xu, Y. Guo, and J. H. Saleh, "Advances toward the next generation fire detection: Deep LSTM variational auto-encoder for improved sensitivity and reliability," IEEE Access, Vol.9, pp.30636-30653, 2021.

상세보기

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

엣지 시스템을 위한 LSTM 기반 화재 및 악취 예측 모델
LSTM-based Fire and Odor Prediction Model for Edge System 원문보기

초록
AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (15)

표/그림 (15)

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

엣지 시스템을 위한 LSTM 기반 화재 및 악취 예측 모델 LSTM-based Fire and Odor Prediction Model for Edge System 원문보기

초록 용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

Abstract ▼ AI-Helper

주제어

표/그림 (15) 모든 표/그림 보기

표/그림 (15) 슬라이드로 보기

참고문헌 (7)

이 논문을 인용한 문헌

저자의 다른 논문 :

이태진 (3)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

엣지 시스템을 위한 LSTM 기반 화재 및 악취 예측 모델
LSTM-based Fire and Odor Prediction Model for Edge System 원문보기

초록
AI-Helper

표/그림 (15)

표/그림 (15)