다양한 환경에서의 화원 분류를 위한 적응형 광전식 연기 감지 시스템

Adaptive Photodetector Smoke Alarm System for Fire Source Classification in Diverse Environments

화재 감지 시스템에서 발생하는 비화재보는 전 세계적으로 큰 문제를 일으키고 있으며, 불필요한 긴급 출동 비용 증가와 실제 화재 경보에 대한 민감도 저하를 초래하고 있다. 광전식 연기 감지기는 높은 민감도로 널리 사용되고 있지만, 음식 조리, 흡연 장소, 샤워실 인근 드레스룸과 같은 특정 환경에서는 비화재보가 빈번하 게 발생하는 문제점이 있다. 본 연구에서는 이러한 환경적 특성을 고려하여 실제 화재와 비화재보를 효과적으로 구분할 수 있는 적응형 광전식 연기 감지 시스템을 개발하고자 한다. 이 시스템은 딥러닝을 활용하여 다양한 화재 및 비화재보의 화원을 분류하며, 초기 학습에 입력되지 않은 데이터가 유입될 경우 실시간 온라인 학습 또는 배치 학습을 통해 지속적으로 정확도를 보장할 수 있도록 설계되었다. 본 연구에서 제안한 초기 모델은 소규모 챔버인 통제된 환경에서 화재와 비화재보를 발생시켜 데이터를 수집하여 학습하였다. 본 연구에서는 CNN-LSTM 모델을 활용하였으며, 추론 중 낮은 신뢰도의 결과가 발생하 거나 다량의 분류되지 않은 데이터가 유입될 경우 모델의 파라미터를 업데이트한다. 또한, 새로운 데이터가 일정량 누적되면 모델을 재학습시킴으로써 전반적인 성능을 지속적으로 향상시킨다. 결과적으로, 제안된 시스 템의 초기 모델은 화원을 분류하는 데 0.92의 정확도를 달성하였다. 새로운 데이터셋을 학습한 결과 예측 정확도가 지속적으로 향상되는 것이 관찰되었다. 본 연구에서는 각 환경에 맞는 적응형 감지기를 개발함으로써 각 공간에 최적화된 감지기를 설치할 수 있는 가능성을 제시하였다. 이를 통해 특정 환경에서의 비화재보 감지 정확성을 향상시키고, 향후에는 효과적 인 화재 예방 시스템을 구축하는 데 기여하길 기대한다.