딥러닝 기반 현미경의 전선 단락흔 감식 적용 가능성과 델파이를 이용한 도입 방안 연구

Study on the Applicability of Deep Learning-Based Microscope for Wire Arc Melting Mark Identification Using the Delphi Method

이 연구는 전선의 단락흔 감식을 위한 딥러닝 기반 현미경의 적용 가능성을 실증분석하고, 화재조사관을 대상으로 델파이 연구를 통해 도입 방안을 제안하는 것을 목적으로 한다. 실제 화재 현장에서 수집된 26개의 전선을 분석한 결과, 딥러닝 기반현미경과 금속조직검사는 92.3%의 일치율을 보였다. 이는 딥러닝 기반 현미경의 적용 가능성을 시사하는 결과로 해석할 수 있다. 3차에 걸친 델파이 연구에서 딥러닝 기술 도입의 필요성 및 기술적 개선의 필요성을 확인하였다. 딥러닝 기반 현미경의 도입은 저연차 화재조사관의 감식 능력을 향상하고, 감정 소요 시간 단축과 행정력 절감에 기여할 것으로 기대된다.

This study aims to validate the applicability of a deep-learning-based microscope for identifying melting marks on wires and proposes an implementation plan through a Delphi study involving fire investigators. An analysis of 26 wires collected from actual fire scenes showed a 92.3% agreement rate between the deep-learning-based microscope and metallurgical examination results, suggesting the potential applicability of the plan. A three-round Delphi study confirmed the need for integrating artificial intelligence (AI) and technical improvements. The introduction of a deep learning-based microscope is expected to enhance the diagnostic capabilities of entry-level fire investigators, reduce assessment time, and improve administrative efficiency.