[논문]다양한 재료에서 발생되는 연기 및 불꽃에 대한 YOLO 기반 객체 탐지 모델 성능 개선에 관한 연구

권희준; 이보희; 정해영

doi:10.4313/jkem.2024.37.3.4

다양한 재료에서 발생되는 연기 및 불꽃에 대한 YOLO 기반 객체 탐지 모델 성능 개선에 관한 연구
Research on Improving the Performance of YOLO-Based Object Detection Models for Smoke and Flames from Different Materials 원문보기

전기전자재료학회논문지 = Journal of the Korean Institute of Electrical and Electronic Material Engineers, v.37 no.3, 2024년, pp.261 - 273

권희준 (세명대학교 소방방재학과) , 이보희 (세명대학교 전기공학과) , 정해영 (세명대학교 소방방재학과)

Abstract ▼ AI-Helper

This paper is an experimental study on the improvement of smoke and flame detection from different materials with YOLO. For the study, images of fires occurring in various materials were collected through an open dataset, and experiments were conducted by changing the main factors affecting the performance of the fire object detection model, such as the bounding box, polygon, and data augmentation of the collected image open dataset during data preprocessing. To evaluate the model performance, we calculated the values of precision, recall, F1Score, mAP, and FPS for each condition, and compared the performance of each model based on these values. We also analyzed the changes in model performance due to the data preprocessing method to derive the conditions that have the greatest impact on improving the performance of the fire object detection model. The experimental results showed that for the fire object detection model using the YOLOv5s6.0 model, data augmentation that can change the color of the flame, such as saturation, brightness, and exposure, is most effective in improving the performance of the fire object detection model. The real-time fire object detection model developed in this study can be applied to equipment such as existing CCTV, and it is believed that it can contribute to minimizing fire damage by enabling early detection of fires occurring in various materials.

주제어

표/그림 (19)

그림 Fig. 1. Different materials: (a) PMMA, (b) PC, and (c) HDPE.
그림 Fig. 2. Fire shape of materials: (a) Gyeongbu expressway fire (PMMA) and (b) Cheongju soundproof tunnel fire (PC).
표 Table 1. Comparison of physical properties.
그림 Fig. 3. YOLO algorithm operation principle.
그림 Fig. 4. Compare the accuracy and FPS performance of R-CNN, Fast R-CNN, faster R-CNN, and YOLO: (a) Kumar’s the results of each model test and (b) Redmon’s the results of each model test.
그림 Fig. 5. YOLOv5s6.0 object detection.
그림 Fig. 6. Image dataset.
표 Table 2. Dataset conditions.
그림 Fig. 8. Data augmentation.
그림 Fig. 7. Data Labeling. (a) Bounding box and (b) polygon.
그림 Fig. 9. Test results of each optimizer type.
표 Table 3. Training fire detection model.
그림 Fig. 10. Examples of PR Curve & AP0.
그림 Fig. 11. Examples of IoU.
그림 Fig. 12. Training and validation loss. (a) Bounding box, (b) polygon, (c) augmentation, (d) bounding box, (e) polygon, and (f) augmentation.
그림 Fig. 13. Precision, recall and mAP results of each data labeling type.
그림 Fig. 14. FPS results of each data labeling type.
그림 Fig. 15. Validation of model performance through CCTV footage capturing actual fire incidents. (a) Goheung hospital and (b) Coupang distribution center.
표 Table 4. Performance results by model.

참고문헌 (25)

T. Kim, M. Yoon, and J. Lee, J. Korean Soc. Hazard Mitigation, 19, 1 (2019). doi: https://doi.org/10.9798/KOSHAM.2019.19.2.1？

상세보기
J. S. You, K. S. Kang, J. S. Lee, and Y. J. Chung, Appl. Chem. Eng., 34, 421 (2023). doi: https://doi.org/10.14478/ace.2023.1056？

원문보기 상세보기
J. You and Y. J. Chung, Fire Sci. Eng., 33, 69 (2019). doi: https://doi.org/10.7731/KIFSE.2019.33.1.069？

원문보기 상세보기
A. H. Awad, R. E. Gamasy, A.A.E. Wahab, and M. H. Abdellatif, Eng. Sci., 4, 34 (2019). doi: https://doi.org/10.11648/j.es.20190402.12？
J. G. Kim, C. I. Park, J. W. Jung, and S. G. Kim, J. Soc. Disaster Inf., 17, 60 (2021). doi: https://doi.org/10.15683/kosdi.2021.3.31.060？

원문보기 상세보기
S. K. Kim, S. G. Choi, and C. H. Lee, Fire Sci. Eng., 31, 42 (2017). doi: https://doi.org/10.7731/KIFSE.2017.31.1.042？

원문보기 상세보기
C. S. Park and T. H. Oh, Korean J. Secur. Convergence Manage., 10, 249 (2021). doi: https://doi.org/10.24826/kscs.10.6.16？

상세보기
S. M. Park and S. K. Kim, Fire Sci. Eng., 31, 111 (2017). doi: https://doi.org/10.7731/KIFSE.2017.31.4.111？

원문보기 상세보기
S. K. Kim, D. S. Gum, and C. H. Lee, Fire Sci. Eng., 29, 57 (2015). doi: https://doi.org/10.7731/KIFSE.2015.29.5.057？

원문보기 상세보기
S. Choi, S. Kim, and H. Jung, Electronics, 12, 2579 (2023). doi: https://doi.org/10.3390/electronics12122579？

상세보기
K. M. Shong, Y. S. Roh, and H. R. Kwak, J. Korean Inst. Illum. Electr. Install. Eng., 20, 71 (2006). doi: https://doi.org/10.5207/JIEIE.2006.20.8.071？

원문보기 상세보기
M. S. Park and C. S. Choi, Fire Sci. Eng., 34, 101 (2020). doi: https://doi.org/10.7731/KIFSE.96dca8eb？

원문보기 상세보기
B. S. Koo, G. H. Jung, A. H. Kim, and H. J. Lee, Proc. Korea Information Processing Society Conference (2020) p. 312. doi: https://doi.org/10.3745/PKIPS.y2020m11a.312？
J. S. Park, H. T. Kim, and Y. S. Yu, J. Korea Inst. Electron. Commun. Sci., 6, 206 (2011). doi: https://doi.org/10.13067/JKIECS.2011.6.2.206？

원문보기 상세보기
H. J. Kim, D. H. Lee, A. Niaz, C. Y. Kim, A. A. Memon, and K. N. Choi, IEEE Access, 9, 11694 (2021). doi: https://doi.org/10.1109/ACCESS.2021.3051424？

상세보기
R. Girshick, J. Donahue, T. Darrell, and J. Malik, 2014 IEEE Conference on Computer Vision and Pattern Recognition (IEEE, Columbus, USA, 2014) p. 580. doi: https://doi.org/10.1109/cvpr.2014.81？
Q. Zhang, J. Xu, L. Xu, and H. Guo, Proc. 2016 International Forum on Management, Education and Information Technology Application (Atlantis Press, 2016). doi: https://doi.org/10.2991/ifmeita-16.2016.105？
P. Li and W. Zhao, Case Stud. Therm. Eng., 19, 100625 (2020). doi: https://doi.org/10.1016/j.csite.2020.100625？

상세보기
R. Girshick, Proc. 2015 IEEE International Conference on Computer Vision (ICCV) (IEEE, Santiago, Chile, 2015) p. 1440. doi: https://doi.org/10.1109/ICCV.2015.169？
S. Ren, K. He, R. Girshick, and J. Sun, IEEE Trans. Pattern Anal. Mach. Intell., 39, 1137 (2017). doi: https://doi.org/10.1109/tpami.2016.2577031？

상세보기
J. Redmon, S. Divvala, R. Girshick, and A. Farhadi, 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (IEEE, Las Vegas, USA, 2016) p. 779. doi: https://doi.org/10.1109/CVPR.2016.91？
B. V. Kumar, S. Abirami, R. J. Bharathi Lakshmi, R. Lohitha, and R. B. Udhaya, IOP Conference Series: Materials Science and Engineering (IOP Publishing Ltd, Tamil Nadu, India, 2019). doi: https://doi.org/10.1088/1757-899X/590/1/012062？

상세보기
G. Jocher, A. Chaurasia, A. Stoken, J. Borovec, NanoCode012, Y. Kwon, T. Xie, K. Michael, J. Fang, imyhxy, Lorna, C. Wong, Y. Zeng, V. Abhiram, D. Montes, Z. Wang, C. Fati, J. Nadar, Laughing, UnglvKitDe, tkianai, yxNONG, P. Skalski, A. Hogan, M. Strobel, M. Jain, L. Mammana, and xylieong, Zenodo, Ultralytics/yolov5: v6.2 - YOLOv5 Classification Models, Apple M1, Reproducibility, ClearML and Deci.ai Integrations, (2022). https://zenodo.org/records/7002879？
K. M. Ting, Confusion Matrix, Encyclopedia of Machine Learning and Data Mining (2017) p. 260. doi: https://doi.org/10.1007/978-1-4899-7687-1_50？
R. Padilla, S. L. Netto, and E.A.B. da Silva, Proc. 2020 International Conference on Systems, Signals and Image Processing (IWSSIP) (IEEE, Niteroi, Brazil, 2020) p. 237. doi: https://doi.org/10.1109/IWSSIP48289.2020.9145130

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