대형 화재 발생과 그로 인한 피해가 증가하고 있는 상황에서, 화재감지 시설에 대한 신뢰는 낮아지고 있다. 현재 널리 사용되는 화학 화재감지기는 오경보가 빈번하게 발생하며, 비디오 기반 딥러닝 화재감지는 시간과 비용이 많이 소요되는 단점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 오토인코더 모델을 활용한 화재감지 모델을 제안한다. 오경보를 최소화하고 신속 정확한 화재감지를 목표로 한다. 제안된 모델은 오토인코더 방법론을 이용해 화재 데이터 없이 정상 데이터만으로 모델을 학습시킬 수 있어 새로운 환경에 적용이 용이하다. 5가지 센서 데이터를 종합적으로 반영하여 화재를 신속하고 정확히 감지할 수 있다. 다양한 초모수 조합을 실험하여 최적의 초모수를 선정하였으며, 오경보 문제를 줄일 수 있는 화재 시점 판단 규칙을 제안하였다. 제안한 모델로 화재감지 실험을 진행한 결과, 14개의 시나리오 중 13개의 시나리오에서 오경보 문제가 발생하지 않았고, 동일한 데이터로 임계치 비교 알고리즘과 결과를 비교하였을 때 더 빠른 화재 감지 성능을 보였다. 이를 통해 화재로 인한 피해를 최소화하고, 화재감지 시설의 신뢰도를 높일 수 있을 것이다.
대형 화재 발생과 그로 인한 피해가 증가하고 있는 상황에서, 화재감지 시설에 대한 신뢰는 낮아지고 있다. 현재 널리 사용되는 화학 화재감지기는 오경보가 빈번하게 발생하며, 비디오 기반 딥러닝 화재감지는 시간과 비용이 많이 소요되는 단점이 있다. 본 논문에서는 이러한 문제를 해결하기 위해 오토인코더 모델을 활용한 화재감지 모델을 제안한다. 오경보를 최소화하고 신속 정확한 화재감지를 목표로 한다. 제안된 모델은 오토인코더 방법론을 이용해 화재 데이터 없이 정상 데이터만으로 모델을 학습시킬 수 있어 새로운 환경에 적용이 용이하다. 5가지 센서 데이터를 종합적으로 반영하여 화재를 신속하고 정확히 감지할 수 있다. 다양한 초모수 조합을 실험하여 최적의 초모수를 선정하였으며, 오경보 문제를 줄일 수 있는 화재 시점 판단 규칙을 제안하였다. 제안한 모델로 화재감지 실험을 진행한 결과, 14개의 시나리오 중 13개의 시나리오에서 오경보 문제가 발생하지 않았고, 동일한 데이터로 임계치 비교 알고리즘과 결과를 비교하였을 때 더 빠른 화재 감지 성능을 보였다. 이를 통해 화재로 인한 피해를 최소화하고, 화재감지 시설의 신뢰도를 높일 수 있을 것이다.
Large-scale fires and their consequential damages are becoming increasingly common, but confidence in fire detection systems is waning. Recently, widely-used chemical fire detectors frequently generate lots of false alarms, while video-based deep learning fire detection is hampered by its time-consu...
Large-scale fires and their consequential damages are becoming increasingly common, but confidence in fire detection systems is waning. Recently, widely-used chemical fire detectors frequently generate lots of false alarms, while video-based deep learning fire detection is hampered by its time-consuming and expensive nature. To tackle these issues, this study proposes a fire detection model utilizing an autoencoder approach. The objective is to minimize false alarms while achieving swift and precise fire detection. The proposed model, employing an autoencoder methodology, can exclusively learn from normal data without the need for fire-related data, thus enhancing its adaptability to diverse environments. By amalgamating data from five distinct sensors, it facilitates rapid and accurate fire detection. Through experiments with various hyperparameter combinations, the proposed model demonstrated that out of 14 scenarios, only one encountered false alarm issues. Experimental results underscore its potential to curtail fire-related losses and bolster the reliability of fire detection systems.
Large-scale fires and their consequential damages are becoming increasingly common, but confidence in fire detection systems is waning. Recently, widely-used chemical fire detectors frequently generate lots of false alarms, while video-based deep learning fire detection is hampered by its time-consuming and expensive nature. To tackle these issues, this study proposes a fire detection model utilizing an autoencoder approach. The objective is to minimize false alarms while achieving swift and precise fire detection. The proposed model, employing an autoencoder methodology, can exclusively learn from normal data without the need for fire-related data, thus enhancing its adaptability to diverse environments. By amalgamating data from five distinct sensors, it facilitates rapid and accurate fire detection. Through experiments with various hyperparameter combinations, the proposed model demonstrated that out of 14 scenarios, only one encountered false alarm issues. Experimental results underscore its potential to curtail fire-related losses and bolster the reliability of fire detection systems.
류진규, 곽동걸, "딥러닝 기반의 합성곱 신경망을?이용한 화염 및 연기 감지 알고리즘에 관한 연구",?한국방재학회논문집, 제20권, 제1호, 223-232쪽,?2020년 2월
박정규, 남기훈, "화재 감지 시스템을 위한 다중 센서 데이터 퓨전 알고리즘의 구현", 한국컴퓨터정보학회논문지, 제25권, 제7호, 9-16쪽, 2020년 7월
신승엽, 김한준, "오토인코더를 이용한 단일 클래스?화재위험 건물 탐지 성능의 개선", 한국정보과학회?학술발표논문집, 853-855쪽, 2019년 6월
정순배, 이천희, 권택현., "센서 다중화를 통한 화재?감지센서의 감지성능 향상", 대한기계학회 춘추학술대회, 19-20쪽, 2015년 5월
김원진, 김병진, 정기석, "센서 네트워크 기반 신뢰성 향상 화재감지 기법", 한국통신학회 학술대회논문집, 998-999쪽, 2011년 6월
김경룡, 임은혜, 임유신, 김영천, "다중 센서와?ZigBee 기반의 화재 경보 알고리즘 및 장치 구현,?한국정보과학회 학술발표논문집, 2039-2041쪽,?2015년 6월
Jaeseung Baek, Taha J.Alhindi, Young-Seon?Jeong, Myong K. Jeong, Seongho Seo, Jongseok?Kang, Jaekyung Choi, Hyunsang Chung,?"Real-time fire detection system based on?dynamic time warping of multichannel sensor?network". Fire Safety Journal. 제123호, 103364,?2021년 7월
전건우, 오승택, 임재현, "자연광의 색온도 주기 재현을 위한 슬라이딩 윈도우 기반 이상치 판정 알고리즘". 멀티미디어학회논문지, 제24권, 제1호,?30-39쪽, 2021년 1월
Jaeseung Baek, Taha J. Alhindi, Young-Seon?Jeong, Myong K. Jeong, Seongho Seo, Jongseok?Kang, Yoseob Heo, "Intelligent Multi-Sensor?Detection System for Monitoring Indoor Building?Fires,", IEEE Sensors Journal, 제21권, 제24호,?27982-27992쪽, 2021년 12월
서명교, 윤원영, "오토인코더를 이용한 열간 조압?연설비 상태모니터링과 진단". 한국품질경영학회.?제27권, 제1호, 75-86쪽, 2019년 2월
Z. Xu, Y. Guo and J. H. Saleh, "Advances?Toward the Next Generation Fire Detection:?Deep LSTM Variational Autoencoder for?Improved Sensitivity and Reliability,", IEEE?Access, 제9권, 30636-30653쪽, 2021년 2월
※ AI-Helper는 부적절한 답변을 할 수 있습니다.