화구 사용 산업 환경에 적합한 멀티모달 화재 경보기 설계

Multimodal Fire Alarm for Industrial Environments Using Ignition Sources

화구 사용이 빈번한 중소 산업 공단에서는 작업자의 부주의나 장비 오작동으로 인한 화재 위험이 상존한다. 본 논문에서는 RGB 광학 카메라, 열화상 센서, 온⋅습도⋅가스⋅분진 센서로 구성된 복합 모듈을 기반으로, 화염⋅화구⋅연기⋅작업자 움직임을 동시에 인식하여 실시간 화재 위험도를 평가 및 경고하는 멀티모달 화재 경보기 시스템을 제안한다. RGB-열화상융합 분석과 딥러닝 기반 화염⋅발열 패턴 학습, 가스-분진 센서 비교를 통한 연기⋅가스 누출 판별, 작업자 행동 모니터링을 통해 위험 접근과 행위를 조기 탐지한다. 센서 융합 알고리즘은 열기-정상 발열을 구분하고 RNN 기반 시계열 필터링으로 오탐과 미탐 발생을 최소화하였다. 실험 결과, 다양한 작업 환경과 화구 조건에서도 제안된 시스템은 높은 검출 정확도와 안정성을 유지하며 실시간 위험도 평가 및 경보 기능을 효과적으로 수행하였다.

Small- and medium-sized industrial complexes that frequently use fire pits are continually exposed to fire hazards due to worker negligence or equipment malfunctions. In this paper, we propose a multimodal fire alarm system that simultaneously recognizes flames, fire pits, smoke, and worker movements to assess fire risk in real time and provide timely warnings. The proposed system incorporates a complex sensor module that includes an RGB optical camera, a thermal imaging sensor, a temperature and humidity sensor, a gas sensor, and a dust sensor. A deep learning model performs fusion analysis of RGB and thermal images to learn flame and heat patterns. Moreover, the system compares gas and dust sensor outputs to identify risk factors such as smoke, dust, and gas leaks. Further, it monitors worker behavior patterns in real time, enabling the early detection of careless approaches or dangerous behaviors around fire pits. A sensor fusion algorithm distinguishes between fire-induced and normal heat through RGB-thermal image comparison. Recurrent neural network filtering is employed to ensure time-series consistency, minimizing false positives and false negatives. Experimental results confirm that the proposed system maintained high detection accuracy and stability under various working environments and fire tool usage conditions. Thus, the proposed system successfully enables real-time fire risk assessment and alarm functions.