AI기술을 활용한 재난 예방 및 대응 시스템 개발에 관한 연구

Development of Disaster Prevention and Response Systems Using AI Technologies

현대 사회에서 문명의 발전과 산업 활동 증가로 자연재해 및 인공재해 발생 빈도가 증가하고 있다. 본 연구에서는 다양한 재난 유형에 딥러닝 기술을 적용 및 재난 예방 및 대응 시스템의 효율성을 향상시키는 방안을 제안하였다. 지진 감지 분야에서는 Convolutional Neural Network (CNN) 기반 U-Net 모델을 활용하여 지진의 P파 첫 도착 시점을 정확하고 신속하게 감지하였다. 이 모델은 기존의 센서 기반 시스템보다 빠르게 지진 신호를 분석하여, 초기 경보 시스템의 반응 시간을 단축시키는 데 기여하였다. 화재 감지 분야에서는 고해상도 화재 연기 이미지와 다양한 패턴의 화염 이미지를 활용하여 초기 화재 징후를 정확히 식별할 수 있는 딥러닝 모델을 구현하였다. 이 모델은 연기와 불꽃의 시각적 특성을 학습하여 복잡한 환경에서도 화재 발생 초기에 빠르게 반응할 수 있도록 개발하였다. 특히, Faster R-CNN, YOLO, Swin Transformer, Separable Convolution layer 등 다양한 CNN 기반 알고리즘을 활용하여 화재 감지 속도와 정확도를 개선하였다. 또한, Si 기반 Color 센서를 활용한 화재 감지 방식은 주변 밝기 측정을 통해 빛의 변화를 감지함으 로써, 화재를 신속하고 정확하게 탐지할 수 있는 장점이 있다. 이 기술을 활용하면 기존 열, 연기, 불꽃 감지기의 온도 변화나 다른 열원의 영향으로 인한 오작동 문제를 상당 부분 해결할 수 있다. 산업 재해 예방을 위해 회전체 기계에서 발생하는 소리 신호를 스펙트로그램으로 변환하여 2차원 소리 패턴을 분석, 고장을 조기에 감지하는 딥러닝 시스템을 개발하였다. 이 시스템은 장비의 예기치 않은 중단 없이 지속적인 생산성을 유지하는 데 중요한 역할을 수행한다. 본 연구에서 개발된 딥러닝 기반 기술들은 실시간 데이터 분석과 정밀한 패턴 인식을 통해 재난 상황에서 신속하고 정확한 의사 결정을 가능하게 하며, 재난 대응 시스템의 전반적인 성능을 향상시킬 것으로 기대된다.