경북대학교 공과대학.
공학을 즐겁게! 꿈을 현실로!
이동은 교수팀, 확률적 화염원 국소지점 실시간 탐지 기술 개발
- 2023-04-24 09:45
- hit 611
건축학부 이동은 교수와 지능형건설자동화 연구센터 이창용 및 박영준 박사가 화염원의 국소지점을 실시간 확률적으로 탐지하는 기술을 개발했다.
“Stochastic flame locating method hybridizing Kalman filter and deep neural network for rapid fire response at construction sites”라는 제목의 해당 연구성과는 칼만필터와 심층신경망을 동시적용한 확률론적 화염위치 탐지기법이며, 순간적, 일시적, 임의적 특성을 지닌 화염원의 국소지점 좌표를 실시간으로 탐지한다는 점에 의의가 있다.
본 기술은 두 개의 UV 센서로 실시간 신호를 수집하고, 칼만필터(Kalman filter)와 심층신경망을 적용하여 화재추정 데이터의 추정평균치와 공분산을 최소화한다. 또한, 적정길이의 슬라이딩 윈도우(Sliding window)를 시계열 데이터에 적용하여 화염 위치 좌표의 미세보정을 실행한다. 두 개의 UV 센서로 도출한 화원 거리값들을 기반으로 삼각측량법을 적용하여 2차원 좌표평면 상에 화재 위치를 규명한다.
본 연산법은 UV 센서 정보의 평균, 표준편차, 첨도, 비대칭도를 상태벡터로 설정하여 딥칼만필터를 적용하였으며, 수집된 신호의 통계적 특징들을 입력변수로 사용하여 출력변수인 거리를 추정하는 비선형 모델이다. 딥칼만필터 적용시 딥러닝만을 활용한 것보다 안정적이고, 정확하며, 연산시간이 최소화되어 실시간 처리가 가능한 장점을 지닌다.
Stochastic Fire Locating (SFL) 기법은 화재발생 위치를 정밀하게 측정하며 3차원 좌표로 해당 위치를 추정함으로써 건설현장 화재대응 원천기술로써 실용화에 활용될 수 있을 것으로 기대된다.
해당 논문은 Journal of Building Engineering 66권에 게재되었다.
“Stochastic flame locating method hybridizing Kalman filter and deep neural network for rapid fire response at construction sites”라는 제목의 해당 연구성과는 칼만필터와 심층신경망을 동시적용한 확률론적 화염위치 탐지기법이며, 순간적, 일시적, 임의적 특성을 지닌 화염원의 국소지점 좌표를 실시간으로 탐지한다는 점에 의의가 있다.
본 기술은 두 개의 UV 센서로 실시간 신호를 수집하고, 칼만필터(Kalman filter)와 심층신경망을 적용하여 화재추정 데이터의 추정평균치와 공분산을 최소화한다. 또한, 적정길이의 슬라이딩 윈도우(Sliding window)를 시계열 데이터에 적용하여 화염 위치 좌표의 미세보정을 실행한다. 두 개의 UV 센서로 도출한 화원 거리값들을 기반으로 삼각측량법을 적용하여 2차원 좌표평면 상에 화재 위치를 규명한다.
본 연산법은 UV 센서 정보의 평균, 표준편차, 첨도, 비대칭도를 상태벡터로 설정하여 딥칼만필터를 적용하였으며, 수집된 신호의 통계적 특징들을 입력변수로 사용하여 출력변수인 거리를 추정하는 비선형 모델이다. 딥칼만필터 적용시 딥러닝만을 활용한 것보다 안정적이고, 정확하며, 연산시간이 최소화되어 실시간 처리가 가능한 장점을 지닌다.
Stochastic Fire Locating (SFL) 기법은 화재발생 위치를 정밀하게 측정하며 3차원 좌표로 해당 위치를 추정함으로써 건설현장 화재대응 원천기술로써 실용화에 활용될 수 있을 것으로 기대된다.
해당 논문은 Journal of Building Engineering 66권에 게재되었다.
