YOLOv10 기반 실내 환경에서의 화재 및 연기 실시간 탐지 성능 평가

Evaluation of real-time fire and smoke detection performance in indoor environments based on YOLOv10

본 연구는 YOLOv10을 활용하여 실내 환경에서의 화재 및 연기 실시간 탐지 성능을 평가하는 것을 목적으로 한다. 실내 화재 및 연기 감지는 조기 경보 시스템 구축에 필수적이며, 다양한 조명과 복잡한 배경 환경에서의 정밀한 탐지가 요구된다. 이를 위해 Kaggle의 공개 데이터 세트와 AI-Hub의 화재 재난 안전 데이터 세트 일부를 결합하여 커스텀 데이터 세트를 구축하였으며, 이미지 라벨링을 통해 화재(fire)와 연기(smoke)로 객체를 구분하였다. YOLOv10 모델을 학습시켜 실시간 탐지 성능을 평가한 결과, 정확도 83.9%, 재현율 68.8%, mAP@50 78.4%, mAP@50-95 52.7%의 성능을 기록하였다. 이는 실내 환경의 다양한 조명, 복잡한 배경, 연기와 불꽃의 형태 변화 등 복합적인 조건에서도 YOLO v10이 우수한 실시간 탐지 성능이 보임을 의미한다. 특히, 본 모델은 화재와 연기 객체를 효과적으로 구분하며, 다양한 실내 환경 조건에서도 견고한 탐지 성능을 나타냈다.

The purpose of this study is to evaluate the real-time detection performance of fire and smoke in indoor environments using YOLO v10. Indoor fire and smoke detection is essential for building an early warning system, and precise detection in various lighting and complex background environments is required. To this end, a custom dataset was built by combining Kaggle's public dataset and some of AI-Hub's fire disaster safety dataset, and objects were classified into fire and smoke through image labeling. As a result of evaluating the real-time detection performance by training the YOLO v10 model, the performance was 83.9% accuracy, 68.8% recall, 78.4% mAP@50, and 52.7% mAP@50-95. This means that YOLO v10 shows excellent real-time detection performance even under complex conditions such as various lighting in indoor environments, complex backgrounds, and changes in the shape of smoke and flames. In particular, this model effectively distinguishes fire and smoke objects and shows robust detection performance even under various indoor environmental conditions.