연기 입자 데이터의 특징 추출에 따른 분류 학습 모델 성능 비교

• 영문명: Performance Comparison of Classification Learning Model by Feature Extraction of Smoke Particle Data
• 발행기관: 한국화재소방학회
• 저자명: 구순현 한규원 이강복
• 간행물 정보: 『한국화재소방학회 학술대회논문집』2022년도 추계학술대회 논문집, 55~55쪽, 전체 1쪽
• 주제분류: 공학 > 공학일반
• 파일형태: PDF
• 발행일자: 2022.11.17

국문 초록

종래 연기감지기는 연기의 유무를 기준으로 동작하기 때문에 연기의 종류에 따른 비화재보에 취약한 단점이 있다. 특히, 일상생활에서 발생하는 열, 연기 그리고 불꽃 등의 조건에 따라 감지기가 화재로 오인식하는 경우가 종종 발생한다. 따라서, 연기 입자 스펙트럼 분석 기술을 적용하여 연기 종류에 대한 분류가 필요하다. 2개의 센서가 통합된 데이터 수집 장치를 이용하여 470mm, 525mm 그리고 850mm 의 3가지 파장에 대한 산란 데이터를 수집하였다. 연기 입자 데이터 발생을 위한 실험 챔버에서 시험을 수행하였고, 동일한 실험 환경에서 화원 3종, 비화재보원 2종을 선정하여 각 10회씩 실험을 수행하였다. 수집한 산란 데이터는 시계열 데이터의 특성을 가지기 때문에, 시계열 데이터의 전처리를 위하여 각 파장간 비율 값을 추출하는 방법과 역순의 데이터를 활용하는 방법을 이용하였다. 특징을 나타내는 구간을 추출하기 위하여 최댓값 중심 추출 방법과 누적합 관리도 추출 방법으로 데이터 길이를 다양하게 하여 데이터셋을 생성하였다. 데이터셋의 80%는 훈련 데이터셋으로 20%는 테스트 데이터셋으로 할당하였고, 화원 및 비화재보원 분류를 위한 순환신경망 기반 딥러닝 모델을 선정하여 사용하였다. 순환신경망 기반 딥러닝 모델의 성능을 평가하기 위하여 4가지 지표인 정확도와 정밀도, 재현율, F1 점수들을 이용하였다. 실험결과, 총 8가지의 데이터셋에 대하여 성능 평가를 수행하였고, F1 점수를 기준으로 최댓값을 중심으로 추출한 데이터셋이 가장 높은 성능을 보여주는 것을 실험적으로 관찰할 수 있었다.

키워드

Optical Smoke Detector Classification Dataset Recurrent Neural Network