KR102399410B1 - 화재 발화 진단 방법 및 그 프로그램 - Google Patents

화재 발화 진단 방법 및 그 프로그램 Download PDF

Info

Publication number
KR102399410B1
KR102399410B1 KR1020200005255A KR20200005255A KR102399410B1 KR 102399410 B1 KR102399410 B1 KR 102399410B1 KR 1020200005255 A KR1020200005255 A KR 1020200005255A KR 20200005255 A KR20200005255 A KR 20200005255A KR 102399410 B1 KR102399410 B1 KR 102399410B1
Authority
KR
South Korea
Prior art keywords
fire
real
measured value
time
value
Prior art date
Application number
KR1020200005255A
Other languages
English (en)
Other versions
KR20210091941A (ko
Inventor
황인주
Original Assignee
한국건설기술연구원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020200005255A priority Critical patent/KR102399410B1/ko
Publication of KR20210091941A publication Critical patent/KR20210091941A/ko
Application granted granted Critical
Publication of KR102399410B1 publication Critical patent/KR102399410B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
    • G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/02—Monitoring continuously signalling or alarm systems
    • G08B29/04—Monitoring of the detection circuits
    • G08B29/043—Monitoring of the detection circuits of fire detection circuits
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
    • G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
    • G08B5/222—Personal calling arrangements or devices, i.e. paging systems
    • G08B5/223—Personal calling arrangements or devices, i.e. paging systems using wireless transmission
    • G08B5/224—Paging receivers with visible signalling details
    • G08B5/225—Display details

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Alarm Systems (AREA)
  • Fire Alarms (AREA)

Abstract

개시내용은 화재 발화진단 시스템에 관한 것으로 구체적으로, 다수의 센서값을 처리하여 화재 발화를 감지하고 그에 따른 적절한 대처를 위한 방법 및 프로그램에 관한 것이다.
개시내용의 일 실시예에 따른 발화진단 방법은 다수의 화재감지기에서 측정된 감지신호를 제공받는 제 1단계, 상기 화재감지기에서 제공된 측정값과 측정값의 변화율을 화재예보기준값과 상호 비교하는 제 2단계, 상기 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 경보기준에 의한 규칙기반 추론과정을 호출하는 제 3단계, 상기 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 화재사례에 의한 사례기반 추론과정을 호출하는 제 4단계, 상기 측정값과 측정값의 변화율과 발보기준값을 상호 비교한 후 발보기준을 초과하는지를 추론하는 제 5단계, 상기 측정값과 측정값의 변화패턴과 화재사례 데이터를 상호 비교한 후 측정값의 변화패턴이 발보기준을 초과하는지를 추론하는 제 6단계, 상기 측정값과 측정값의 변화율 및 측정값의 변화추이을 종합 분석하여 화재여부 및 상황을 분석하는 제 7단계, 상기 제 7단계의 결과에 따라 화재 경보 발령하는 제 8단계 및 상기 제 7단계의 결과를 디스플레이하는 제 9단계를 포함하는 화재 발화진단 방법을 개시한다.
그리고 상기 실시예에서, 카메라를 통해 이미지를 입력받는 제 10단계; 상기 이미지를 합성곱 신경망 기법을 적용하여 합성곱 특성을 계산하는 제 11단계: 및 상기 제 11단계에서 얻어진 최종 합성곱 특성이 기준값 이상인지를 판단하는 제 12단계; 를 더 포함하는 화재 발화진단 방법을 개시한다.

Description

화재 발화 진단 방법 및 그 프로그램{Fire detection method and program}
화재 발화진단 시스템에 관한 것으로 구체적으로, 다수의 센서값 또는 이에 더하여 발화지점의 이미지를 처리하여 화재 발화를 감지하고 그에 따른 적절한 대처를 위한 방법 및 프로그램에 관한 것이다.
본 명세서에서 달리 표시되지 않는 한, 이 섹션에 설명되는 내용들은 이 출원의 청구항들에 대한 종래 기술이 아니며, 이 섹션에 포함된다고 하여 종래 기술이라고 인정되는 것은 아니다.
일반적으로, 화재를 검출하여 발보(發報) 신호를 수신기에 출력하여 화재 경보를 행하는 감지기로서는, 공개특허공보 제 10-2009-0111191 호(공개일 2009.10.26), 공개특허공보 제 10-2014-0125075 호(공개일 2014.10.28)에서와 같이, 화재에 의한 연기를 검지하는 연기 감지기, 화재에 의한 열(온도)을 검지하는 열 감지기가 일반적으로 알려져 있고, 상기와 같은 감지기에 CO 등의 가스 농도를 검지하는 가스센서를 적용하는 복합형 감지기도 개시되기에 이르렀다.
다만, 이러한 센서에 의한 정보를 규칙기반만으로 처리하는 경우 오보가 발생하는 경우가 많아 많은 문제를 일으켰다.
1. 한국 특허공개특허공보 제 10-2009-0111191 호(공개일 2009.10.26) 2. 한국 특허공개특허공보 제 10-2014-0125075 호(공개일 2014.10.28)
다수의 센서에 의한 발화 정보를 이용하거나 발화지점의 이미지를 이용하여 화재 발화를 진단함에 있어서 규칙 및 사례기반으로 추론하여 발화여부를 정확히 감지하는 것을 목적으로 한다.
실시예에 따른 화재감지기들과 중앙서버로 구성되어 있는 화재 발화진단 방법에 있어서, 다수의 상기 화재 감지기들과 상기 중앙서버는 데이터 네트워크에 연결되어 있는데 상기 다수의 화재감지기에서 측정된 감지신호를 제공받는 제 1단계, 상기 화재감지기에서 제공된 측정값과 측정값의 변화율을 화재예보기준값과 상호 비교하는 제 2단계, 상기 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 경보기준에 의한 규칙기반 추론과정을 호출하는 제 3단계, 상기 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 화재사례에 의한 사례기반 추론과정을 호출하는 제 4단계, 상기 측정값과 측정값의 변화율과 발보기준값을 상호 비교한 후 발보기준을 초과하는지를 추론하는 제 5단계, 상기 측정값과 측정값의 변화패턴과 화재사례 데이터를 상호 비교한 후 측정값의 변화패턴이 발보기준을 초과하는지를 추론하는 제 6단계, 상기 측정값과 측정값의 변화율 및 측정값의 변화추이을 종합 분석하여 화재여부 및 상황을 분석하는 제 7단계, 상기 제 7단계의 결과에 따라 화재 경보 발령하는 제 8단계 및 상기 제 7단계의 결과를 디스플레이하는 제 9단계를 포함하는 화재 발화진단 방법을 포함한다.
실시 예에서 상기 제 1단계에서 상기 감지신호에는 열적 온도, 이온식 연기농도, 열화상 이미지를 측정한 신호를 포함한다. 그리고 상기 실시 예에서 상기 9단계에서 디스플레이하는 화면에는 메인화면, 실시간 모니터링 화면, 히스토리 화면, 통신상태 메뉴화면, 사례관리 메뉴화면, 설정 메뉴 화면을 포함한다.
실시 예에서 상기 9단계는 상기 메인화면에는 실시간 온도 및 가스의 센서값을 표시하는 화면, 진단결과, 게이지 차트를 포함하는 것으로서, 상기 실시간 온도 및 가스 센서값을 시간에 따른 그래프를 표시하는 제 9-1단계; 상기 진단결과로서 설정된 유사도의 한계값을 초과시 알림을 표시하는 제 9-2단계; 상기 측정값이 설정된 예보값을 초과시에는 상기 게이지 차트에 색을 변경하여 예보를 알리는 제 9-3단계; 상기 측정값이 설정된 경보값을 초과시에는 상기 게이지 차트에 색을 변경하여 경보를 알리는 제 9-4단계; 및 상기 측정값이 설정된 발보값을 초과시에는 상기 게이지 차트에 색을 변경하여 발보를 알리는 9-5단계;를 포함한다. 상기 실시 예에서 상기 제 9-1단계는 상기 그래프를 클릭하면 실시간 모니터링 화면으로 전환되는 제 9-1-1단계를 더 포함한다.
실시 예에서 상기 실시간 모니터링 화면은 실시간 데이터인 카메라 종류, 센서의 종류, 센서의 값, 발보·예보 및 안전여부를 표시하는 제 9-1-1-1단계; 실시간 온도데이터가 설정된 값보다 높은 경우 발보 상태를 표시하는 제 9-1-1-2단계; 상기 실시간 데이터의 노출 간격을 설정 가능하도록 하는 제 9-1-1-3단계; 및 상기 실시간 데이터 내에서 특정 상태의 실시간 데이터를 일부 표시하는 제 9-1-1-4단계; 를 더 포함한다.
실시 예에서 상기 히스토리 화면은 실시간 센서의 데이터 추이를 시간간격으로 확인 가능하도록 하는 단계;및 상기 실시간 센서의 데이터 추이를 저장 하는 단계; 및 상기 실시간 센서의 데이터 추이를 검색할 수 있는 단계;를 더 포함한다.
실시 예에서 통신상태 메뉴화면은 각 센서의 정상 작동 유무를 화면에 표시하는 단계; 및 상기 센서의 상태가 장애 시에는 이상여부를 표시하는 단계; 를 더 포함한다.
실시 예에서 사례관리 메뉴화면은 실시간데이터를 파일로 저장할 수 있는 단계; 상기 저장된 실시간데이터 파일을 열수 있는 단계; 및 상기 저장된 실시간데이터를 삭제 및 수정할 수 있는 단계;를 포함한다.
실시 예에서 설정 메뉴 화면은 각 센서의 종류마다 단위, 예보 기준값, 발보 기준값, 한계값을 설정할 수 있는 단계를 더 포함한다.
실시 예에서 발화로 판단된 경우 데이터 네트워크를 통해 자동 소화 시스템을 작동시키는 단계를 더 포함한다.
다른 실시 예로서 상기 실시 예에서 열화상카메라에 찍힌 열화상 이미지 정보를 제공받는 제 10단계, 상기 이미지 정보를 합성곱 신경망 (Convolutional Neural Network) 기법를 적용하는 제11단계; 및 상기 제 11단계의 최종 합성곱 특성값과 기준값을 비교하는 제 12단계; 를 더 포함한다.
개시된 내용은 다수의 센서(multi-sensor)로 구성되는 복합형 화재감지기 또는 카메라와 딥러닝 프로그램을 적용하되, 다수의 신호 또는 이미지를 규칙 및 사례별로 각각 추론하고 이러한 사례분석 결과를 하나의 결과로 융합하는 방식으로 정확한 발화진단 방법 및 프로그램을 도입하여 화재 발생에 대한 판단을 정확하게 할 수 있는 효과가 있다. 또한, 이러한 판단을 기초로 화재가 발생했다고 판단되는 경우 경보를 발령하고, 그 결과를 디스플레이함으로써 화재에 대한 신속한 대처를 할 수 있도록 하여 화재로 인한 피해를 최소화 할 수 있는 효과가 있다.
본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.
도 1은 실시예에 따른 발화진단 방법의 순서도
도 2는 실시예에 따른 발화진단 프로그램의 메인화면
도 3은 실시예에 따른 발화진단 프로그램의 실시간 모니터링 화면
도 4은 실시예에 따른 발화진단 프로그램의 히스토리 화면
도 5은 실시예에 따른 발화진단 프로그램의 통신상태 메뉴화면
도 6은 실시예에 따른 발화진단 프로그램의 사례관리 메뉴화면
도 7은 실시예에 따른 발화진단 프로그램의 설정 메뉴화면
도 8a은 다른 실시예에 따른 이미지와 융합곱 신경망 기법을 적용한 발화진단 방법의 개념
도 8b은 다른 실시예에 따른 이미지 데이터와 융합곱 신경망 필터를 적용한 융합곱 신경망 기법의 개념
도 9는 다른 실시예에 따른 발화진단 방법의 순서도
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시 예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시 예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시 예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 도면부호는 동일 구성 요소를 지칭한다.
본 발명의 실시 예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시 예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명은 열 센서, 연기 센서 및 열화상 카메라와 중앙 서버를 포함하는 발화진단 방법에 관한 것이다. 열 센서, 연기 센서 및 열화상 카메라 등의 각종 센서들과 중앙 서버는 데이터 네트워크에 연결되어 있어 상기 중앙 서버는 상기 센서들로부터 데이터 네트워크를 통해 온도, 연기 및 열화상 이미지를 입력받고 상기 입력 값에 따라 발화여부에 대해 진단하고 발화 판단시 경고를 한다.
도 1은 실시예에 따른 발화진단 방법의 순서도를 도시하고 있다.
도 1에 도시된 바와 같이, 발화진단 방법은 다수의 화재감지기에서 측정된 감지신호를 제공받는 제 1단계(S100), 화재감지기에서 제공된 측정값과 측정값의 변화율을 화재예보기준값과 상호 비교하는 제 2단계(S110), 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 경보기준에 의한 규칙기반 추론과정을 호출하는 제 3단계(S120), 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 화재사례에 의한 사례기반 추론과정을 호출하는 제 4단계(S130), 측정값과 측정값의 변화율과 발보기준값을 상호 비교한 후 발보기준을 초과하는지를 추론하는 제 5단계(S140), 측정값과 측정값의 변화패턴과 화재사례 데이터를 상호 비교한 후 측정값의 변화패턴이 발보기준을 초과하는지를 추론하는 제 6단계(S150), 측정값과 측정값의 변화율 및 측정값의 변화추이을 종합 분석하여 화재여부 및 상황을 분석하는 제 7단계(S160), 제 7단계의 결과에 따라 화재 경보 발령하는 제 8단계(S170) 및 제 7단계의 결과를 디스플레이하는 제 9단계(S180)를 포함한다.
S100의 경우 측정된 감지신호에는 열적 온도, 이온식 연기농도, 열화상 이미지를 측정한 신호를 포함한다.
S110의 경우 측정된 감지신호와 화재예보기준값을 비교하게 되는데, 이 과정에 대한 샘플데이터를 하나의 예로 제시하면, 아래와 같다.
Figure 112020004551236-pat00001
여기서 샘플데이터는 센서에 의하여 측정된 값을 의미한다. 샘플데이터를 처리하기 위하여 무차원화 과정을 거치게 된다. 무차원화 방식은 시간 무차원화는 (tn - tn-1)/(tmax-tmin), 센서류 무차원화 = SensorDector(t)/설정값으로 구하게 된다. 여기서 tn은 특정시점의 시간, tn-1은 특정시점 이전의 시간, SensorDector(t)는 특정시간에서 센서값을 의미한다.
여기서 각 예보기준값(설정값)을 아래와 같이 설정한 경우에는
Figure 112020004551236-pat00002
연기감지기의 경우 각 9초경, 무차원 시간 0.3125에 예보 조건을 만족하고, 온도감지기의 경우 각 2초경, 무차원 시간 0.1에 예보 조건을 만족하게 된다. 변화율을 통하여 예보를 발생시키는 경우 연기감지기의 변화율의 경우에는 시간 9초경, 무차원 시간 0.3125에 예보를 발생시키고 온도감지기의 변화율의 경우에는 시간 5초경, 무차원 시간 0.25에 예보를 발생시킨다.
S120과 S130은 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 경보기준에 의한 규칙기반 추론과정을 호출하는 제 3단계(S120), 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 화재사례에 의한 사례기반 추론과정을 호출하는 제 4단계(S130)를 포함한다. 즉 상기 예시에 따르면 연기감지기의 경우 각 9초경, 무차원 시간 0.3125에 예보 조건을 만족하고, 온도감지기의 경우 각 2초경, 무차원 시간 0.1에 예보 조건을 만족하는 경우, 변화율을 통하여 예보를 발생시키는 경우 연기감지기의 변화율의 경우에는 시간 9초경, 무차원 시간 0.3125에 예보를 발생시키고 온도감지기의 변화율의 경우에는 시간 5초경, 무차원 시간 0.25를 만족하는 경우 각각 S120과 S130을 호출하게 된다.
S140에서 규칙기반으로 발보기준을 초과하는지 추론하게 되는데, 위 예시에 따르면 연기감지기의 시스템 발보 기준값(As2)이 0.9, 온도감지기의 시스템 발보 기준값(As2)이 1에 해당하도록 설정되었다고 하였을 때,
Figure 112020004551236-pat00003
연기감지기의 경우 시간 13초경, 무차원시간 0.5625에서 발보기준값을 초과하게 된다. 온도감지기의 경우 시간 9초경, 무차원 시간 0.45에 발보기준값을 초과하여 발보를 하게 된다.
S150의 경우 사례기반으로 발보기준을 초과하는지 추론하게 된다. 예를 들면, DB에 저장되어 있는 화제사례를 정리하면 아래와 같다.
Figure 112020004551236-pat00004
유사도를 구하기 위하여 무차원화 시키면 아래와 같다. 여기서 무차원화 방법은 S110의 경우와 같다.
Figure 112020004551236-pat00005
위와 같은 무차원화 데이터를 가지고 유사도를 계산하게 되는데 유사도는 0에서 1사이 값을 가지고 1에 가까울 수록 유사하게 된다. 유사도의 계산은 매시간마다 하게 되고 유사도가 임의로 정한 발보기준값을 넘어서는 경우 발보를 하게 된다.
S160의 경우 화재경부 여부를 판단하게 되는데 이때 가중치를 적용하여 판단하게 된다. 여기서 가중치는 규칙기반과 사례기반에 따라 구할 수 있다.
규칙기반의 경우, 아래 표와 같이 규칙기반의 연기감지기 가중치를 0.3, 규칙기반의 온도감지기의 가중치를 0.5라고 한다면,
Figure 112020004551236-pat00006
감지를 종합한 결과 경보기준을 0.95로 한다면, 15초경 경보를 발생하게 된다. 경보기준을 0.5로 한다면 9초경에 경보를 발생하게 된다.
사례기반의 경우, 사례기반의 연기감지기 가중치를 0.4, 사례기반의 온도감지기의 가중치를 0.7로 하고 연기감지기의 경보기준을 0.8로 하는 경우에는 아래의 표와 같이 무차원 시간 0,4일때 경보가 발생하게 된다.
Figure 112020004551236-pat00007
S170의경우 경보기준을 초과하는 경우 화재 경보를 발령하게 되는데 위의 예에 따르면 무차원시간 0.4일 때 S180에서 경보를 울리가 된다.
S180의 경우 위와 같은 데이터의 추이를 구체적으로 프로그램으로 디스플레이하게 되는데 각 디스플레이되는 화면과 데이터에 대하여는 아래에서 상세하게 설명한다.
도 2는 실시예에 따른 발화진단 프로그램의 메인화면를 도시하고 있다.
도2에 도시된 바에 따르면, 메인화면에는 실시간 온도 및 가스의 센서값을 표시하는 화면(1,3), 진단결과(5), 게이지 차트(7)를 포함하는 것으로서, 실시간 온도 및 가스 센서값(1,3)을 시간에 따른 그래프를 표시하는 부분, 진단결과(5)로서 설정된 유사도의 한계값을 초과시 알림을 표시하는 부분, 측정값이 설정된 예보값을 초과시에는 게이지 차트(7)에 색을 변경하여 예보를 알리는 부분, 측정값이 설정된 경보값을 초과시에는 게이지 차트(7)에 색을 변경하여 경보를 알리는 부분, 측정값이 설정된 발보값을 초과시에는 게이지 차트(7)에 색을 변경하여 발보를 알리는 부분을 포함한다.
구체적으로 보면, 메인화면(10)은 진단결과(5)와 실시간 온도 및 가스의 센서 데이터 추이를 볼 수 있는 차트형식으로 구성되고 차트클릭시 실시간 센서의 값을 확인하도록 구성되어 있다. 또한, 게이트 차트(7)를 이용하여 각 센서의 예보기준값에 준한 추이를 확인가능하게 구성되어 있다. 진단결과(5)는 설정된 한계값을 초과하는 경우 스피커를 통한 소리와 3번의 빨간색 점등이 이루어진다. 또한, 유사도를 퍼센테이지 단위로 표현하는 부분을 포함한다. 게이지 차트(7)는 각 열감지 예보 및 경보관련 한계값을 넘어갈 경우 빨간색이나 주황을 이용하여 경고 및 상태를 노출한다. 또한, 게이지 차트(7)는 발보가 발생시에 이미지 색깔을 변경하게 된다.
구체적인 실시를 위해서는 화재 발화 진단 방법의 상기 메인화면에는 실시간 온도 및 가스의 센서값을 표시하는 화면, 진단결과, 게이지 차트를 포함하는 것으로서, 상기 9단계는 상기 실시간 온도 및 가스 센서값을 시간에 따른 그래프를 표시하는 제 9-1단계; 상기 진단결과로서 설정된 유사도의 한계값을 초과시 알림을 표시하는 제 9-2단계; 상기 측정값이 설정된 예보값을 초과시에는 상기 게이지 차트에 색을 변경하여 예보를 알리는 제 9-3단계; 상기 측정값이 설정된 경보값을 초과시에는 상기 게이지 차트에 색을 변경하여 경보를 알리는 제 9-4단계; 및 상기 측정값이 설정된 발보값을 초과시에는 상기 게이지 차트에 색을 변경하여 발보를 알리는 9-5단계;를 포함한다.
도 3은 실시예에 따른 발화진단 프로그램의 실시간 모니터링 화면을 도시하고 있다.
도 3에 도시된 바와 같이, 실시간 모니터링 화면(20)은 실시간 데이터인 카메라 종류, 센서의 종류, 센서의 값, 발보·예보 및 안전여부를 표시하는 부분, 실시간 온도데이터가 설정된 값보다 높은 경우 발보 상태를 표시하는 부분, 실시간 데이터의 노출 간격을 설정가능하도록 하는 부분, 실시간 데이터 내에서 특정 상태의 실시간 데이터를 일부 표시하는 부분을 포함한다.
실시간 모니터링 화면(20)은 메인화면(10)에서 실시간 데이터 추이를 보여주는 차트를 클릭하면 나타나는 화면으로서, 각 열화상카메라에서 들어오는 실시간 온도데이터를 노출하고 설정된 값보다 높을 경우 발보 및 상태값을 노출하고 문제성있는 최근로그를 10까지 보여주게 되는 화면을 포함한다. 또한 실시간 데이터 노출 간격을 설정가능하도록 구성되어 있다.
구체적인 구현 방법으로는 상기 제 9-1단계는 상기 그래프를 클릭하면 실시간 모니터링 화면으로 전환되는 제 9-1-1단계를 더 포함한다. 그리고 상기 실시 예에서 상기 실시간 모니터링 화면은 실시간 데이터인 카메라 종류, 센서의 종류, 센서의 값, 발보·예보 및 안전여부를 표시하는 제 9-1-1-1단계; 실시간 온도데이터가 설정된 값보다 높은 경우 발보 상태를 표시하는 제 9-1-1-2단계; 상기 실시간 데이터의 노출 간격을 설정가능하도록 하는 제 9-1-1-3단계; 및 상기 실시간 데이터 내에서 특정 상태의 실시간 데이터를 일부 표시하는 제 9-1-1-4단계;를 포함한다.
도 4은 실시예에 따른 발화진단 프로그램의 히스토리 화면을 도시하고 있다.
도 4에 도시된 바와 같이, 히스토리화면(30)은 실시간 센서의 데이터 추이를 시간간격으로 확인 가능하도록 하는 부분, 실시간 센서의 데이터 추이를 저장 하는 부분, 실시간 센서의 데이터 추이를 검색할 수 있는 부분을 포함한다.
히스토리화면(30)은 실시간으로 처리된 데이터를 년월일, 시간으로 검색가능 하도록 구성되어 있고, 데이터를 엑셀로 저장가능하도록 구성되어 있다.
구체적인 구현 방법으로는 상기 실시 예에서 상기 히스토리 화면은 실시간 센서의 데이터 추이를 시간간격으로 확인 가능하도록 하는 단계; 및 상기 실시간 센서의 데이터 추이를 저장 하는 단계; 및 상기 실시간 센서의 데이터 추이를 검색할 수 있는 단계;를 더 포함한다.
도 5은 실시예에 따른 발화진단 프로그램의 통신상태 메뉴화면을 도시하고 있다.
도 5에 도시된 바와 같이, 통신상태 메뉴화면(40)은 각 센서의 정상 작동 유무를 화면에 표시하는 부분, 센서의 상태가 장애시에는 이상여부를 표시하는 부분을 포함한다.
통신상태 메뉴화면(40)은 각 센서의 정상 작동 유무를 표시하는 화면으로서 상태가 장애시에는 빨간색으로 노출하게 된다.
구체적인 구현 방법으로 상기 실시 예에서 상기 통신상태 메뉴화면은 각 센서의 정상 작동 유무를 화면에 표시하는 단계; 및 상기 센서의 상태가 장애 시에는 이상여부를 표시하는 단계; 를 더 포함한다.
도 6은 실시예에 따른 발화진단 프로그램의 사례관리 메뉴화면을 도시하고 있다.
도 6에 도시된 바와 같이, 사례관리 메뉴화면(50)은 실시간데이터를 파일로 저장하는 부분, 저장된 실시간데이터 파일을 열수 있는 부분, 저장된 실시간데이터를 삭제 및 수정할 수 있는 부분을 포함한다.
사례관리 메뉴화면(50)은 사례기반의 데이터를 저장하여 그 사례를 기준으로 규칙기반 이외의 경우도 탐지가 가능하게 하는 메뉴로서, 엑셀로 생성된 데이터를 파일열기, 저장하여 관리가능하도록 구성되어 있다. 또한 등록된 파일은 삭제가 가능하며 수정이 가능하다.
구체적인 구현 방법으로 상기 사례관리 메뉴화면은 실시간데이터를 파일로 저장할 수 있는 단계; 상기 저장된 실시간데이터 파일을 열 수 있는 단계; 및 상기 저장된 실시간데이터를 삭제 및 수정할 수 있는 단계; 를 포함한다.
도 7은 실시예에 따른 발화진단 프로그램의 설정 메뉴화면을 도시하고 있다.
도 7에 도시된 바와 같이, 설정 메뉴 화면(60)은 각 센서의 종류마다 단위,예보 기준값, 발보 기준값, 한계값을 설정할 수 있는 부분을 포함한다.
실시예에서 상기 제 7단계(S160)에서 발화로 판단될 때, 자동 소화시스템을 작동시키는 단계를 더 포함한다. 자동 소화시스템으로는 건물 내의 스프링 쿨러 등이 있을 수 있다. 신속한 발화 여부를 판단하고, 발화 판단시 자동 소화시스템을 작동시켜 초기에 화재를 진압하는 효과가 있다. 상기 자동 소화시스템을 작동시키는 위해서는 상기 자동 소화시스템과 상기 중앙 서버가 데이터 네트워크를 통해 연동시키는 방법이 있다.
각 센서의 종류마다 예보기준값과 발보기준값을 설정하여 등록이 가능하도록 구성되어 있고, 이를 기준으로 규칙기반의 화재유무를 확인가능하도록 구성되어 있다. 또한, 센서의 이름이 구분되어 있고 종류가 표시되며 단위 설정이 가능하다.
도 8a는 다른 실시예에 따른 이미지와 융합곱 신경망 기법을 적용한 발화진단 방법의 개념도이다. 시스템의 열화상 카메라에 찍힌 열화상 이미지를 융합곱 신경망 기법의 각 층 (Layer)에서 융합 특성(Convolved Feature)을 분석하여 최종적인 융합 특성 (Convolved Feature) (82)로 발화 여부를 진단하는 것을 나타낸다. 도 8b는 다른 실시예에 따른 열화상 이미지 데이터와 융합곱 신경망 필터를 적용한 융합곱 신경망 기법의 개념이다. 우선 훈련할 열화상 이미지의 사이즈를 동일하게 변환하는 작업을 하고, 일정한 크기의 윈도우 사이즈에서 특성을 추출하여 이를 바탕으로 각 층의 융합 필터 (Convolutional Filter) (83)을 형성한다. 상기 각 층의 융합 필터 (Convolutional Filter)(83)는 여러 열화상 이미지의 학습에 의해 진화한다. 상기 최종적인 융합 특성 (Convolved Feature) (82)은 상기 열화상 이미지(81)에 상기 각 층의 융합 필터 (Convolutional Filter) (83)를 융합곱 함으로써 얻을 수 있다. 시스템의 열화상 카메라에 찍힌 상기 입력된 열화상 이미지(81)는 융합곱 필터(83)에 의해 융합 특성(Convoled Feature) (84)을 얻는다.
도 9는 다른 실시예에 따른 발화진단 방법의 순서도이다. 상기 도 1의 상기 실시예에 시스템의 열화상 카메라에 찍힌 이미지를 입력받는 단계 (S200), 상기 입력된 열화상 이미지에 합성곱 신경망 기법을 적용하는 단계 (S210), 최종 융합곱 특성이 기준값 이상인지 여부를 판단하는 단계 (S220)를 더 포함한다.
개시된 내용은 예시에 불과하며, 특허청구범위에서 청구하는 청구의 요지를 벗어나지 않고 당해 기술분야에서 통상의 지식을 가진 자에 의하여 다양하게 변경 실시될 수 있으므로, 개시된 내용의 보호범위는 상술한 특정의 실시 예에 한정되지 않는다.
5 : 진단결과
7 : 게이지 차트
10 : 메인화면
20 : 실시간 모니터링 화면
30 : 히스토리 화면
40 : 통신상태 메뉴화면
50 : 사례관리 메뉴화면
60 : 설정 메뉴 화면
81 : 카메라에 찍힌 입력된 이미지
83 : 합성곱 필터

Claims (21)

  1. 화재감지기들과 중앙서버로 구성되어 있는 화재 발화진단 방법에 있어서,
    다수의 상기 화재감지기들과 상기 중앙서버는 데이터 네트워크에 연결되어 있고,
    다수의 화재감지기에서 측정된 감지신호를 제공받는 제 1단계;
    상기 화재감지기에서 제공된 측정값과 측정값의 변화율을 화재예보기준값과 상호 비교하는 제 2단계;
    상기 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 경보기준에 의한 규칙기반 추론과정을 호출하는 제 3단계;
    상기 측정값과 측정 값의 변화율이 화재예보기준값을 초과할 경우 화재사례에 의한 사례기반 추론과정을 호출하는 제 4단계;
    상기 측정값과 측정값의 변화율과 발보기준값을 상호 비교한 후 발보기준을 초과하는지를 추론하는 제 5단계;
    상기 측정값과 측정값의 변화패턴과 화재사례 데이터를 상호 비교한 후 측정값의 변화패턴이 발보기준을 초과하는지를 추론하는 제 6단계;
    상기 측정값과 측정값의 변화율 및 측정값의 변화추이을 종합 분석하여 화재여부 및 상황을 분석하는 제 7단계;
    상기 제 7단계의 결과에 따라 화재 경보 발령하는 제 8단계; 및
    상기 제 7단계의 결과를 디스플레이하는 제 9단계;를 포함하며,
    상기 9단계에서 디스플레이하는 화면에는 메인화면, 실시간 모니터링 화면, 히스토리 화면, 통신상태 메뉴화면, 사례관리 메뉴화면, 설정 메뉴 화면을 포함하고,
    상기 9단계는 상기 메인화면에는 실시간 온도 및 가스의 센서값을 표시하는 화면, 진단결과, 게이지 차트를 포함하는 것으로서,
    상기 실시간 온도 및 가스 센서값을 시간에 따른 그래프를 표시하는 제 9-1단계;
    상기 진단결과로서 설정된 유사도의 한계값을 초과시 알림을 표시하는 제 9-2단계;
    상기 측정값이 설정된 예보값을 초과시에는 상기 게이지 차트에 색을 변경하여 예보를 알리는 제 9-3단계;
    상기 측정값이 설정된 경보값을 초과시에는 상기 게이지 차트에 색을 변경하여 경보를 알리는 제 9-4단계; 및
    상기 측정값이 설정된 발보값을 초과시에는 상기 게이지 차트에 색을 변경하여 발보를 알리는 9-5단계;를 포함하며,
    상기 제 9-1단계는 상기 그래프를 클릭하면 실시간 모니터링 화면으로 전환되는 제 9-1-1단계를 더 포함하고,
    상기 실시간 모니터링 화면은,
    실시간 데이터인 카메라 종류, 센서의 종류, 센서의 값, 발보·예보 및 안전여부를 표시하는 제 9-1-1-1단계;
    실시간 온도데이터가 설정된 값보다 높은 경우 발보 상태를 표시하는 제 9-1-1-2단계;
    상기 실시간 데이터의 노출 간격을 설정가능하도록 하는 제 9-1-1-3단계; 및
    상기 실시간 데이터 내에서 특정 상태의 실시간 데이터를 일부 표시하는 제 9-1-1-4단계;를 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  2. 제 1항에 있어서,
    상기 제 1단계에서 상기 감지신호에는 열적 온도, 이온식 연기농도, 열화상 이미지를 측정한 신호를 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  3. 삭제
  4. 삭제
  5. 삭제
  6. 삭제
  7. 제 1항에 있어서,
    상기 히스토리 화면은 실시간 센서의 데이터 추이를 시간간격으로 확인 가능하도록 하는 단계;및
    상기 실시간 센서의 데이터 추이를 저장 하는 단계; 및
    상기 실시간 센서의 데이터 추이를 검색할 수 있는 단계;를 더 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  8. 제 7항에 있어서,
    통신상태 메뉴화면은 각 센서의 정상 작동 유무를 화면에 표시하는 단계; 및
    상기 센서의 상태가 장애시에는 이상여부를 표시하는 단계; 를 더 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  9. 제 8항에 있어서,
    사례관리 메뉴화면은
    실시간데이터를 파일로 저장할 수 있는 단계;
    상기 저장된 실시간데이터 파일을 열수 있는 단계; 및
    상기 저장된 실시간데이터를 삭제 및 수정할 수 있는 단계;를 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  10. 제 9항에 있어서,
    설정 메뉴 화면은
    각 센서의 종류마다 단위,예보 기준값, 발보 기준값, 한계값을 설정할 수 있는 단계를 포함하는 화재 발화 진단 방법.
  11. 제 1항에 있어서,
    상기 제 7단계에서 화재 발생으로 판단되었을 때, 자동 소화 시스템을 작동시키는 단계; 를 더 포함한 것을 특징으로 하는 화재 발화 진단 방법.
  12. 제 1항에 있어서,
    카메라를 통해 이미지를 입력받는 제 10단계;
    상기 이미지를 합성곱 신경망 기법을 적용하여 합성곱 특성을 계산하는 제 11단계: 및
    상기 제 11단계에서 얻어진 최종 합성곱 특성이 기준값 이상인지를 판단하는 제 12단계; 를 더 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  13. 제 12항에 있어서,
    상기 9단계에서 디스플레이하는 화면에는 메인화면, 실시간 모니터링 화면, 히스토리 화면, 통신상태 메뉴화면, 사례관리 메뉴화면, 설정 메뉴 화면을 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  14. 제 13항에 있어서,
    상기 9단계는 상기 메인화면에는 실시간 온도 및 가스의 센서값을 표시하는 화면, 진단결과, 게이지 차트를 포함하는 것으로서,
    상기 실시간 온도 및 가스 센서값을 시간에 따른 그래프를 표시하는 제 9-1단계;
    상기 진단결과로서 설정된 유사도의 한계값을 초과시 알림을 표시하는 제 9-2단계;
    상기 측정값이 설정된 예보값을 초과시에는 상기 게이지 차트에 색을 변경하여 예보를 알리는 제 9-3단계;
    상기 측정값이 설정된 경보값을 초과시에는 상기 게이지 차트에 색을 변경하여 경보를 알리는 제 9-4단계; 및
    상기 측정값이 설정된 발보값을 초과시에는 상기 게이지 차트에 색을 변경하여 발보를 알리는 9-5단계;를 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  15. 제 14항에 있어서,
    상기 제 9-1단계는 상기 그래프를 클릭하면 실시간 모니터링 화면으로 전환되는 제 9-1-1단계를 더 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  16. 제 15항에 있어서,
    상기 실시간 모니터링 화면은
    실시간 데이터인 카메라 종류, 센서의 종류, 센서의 값, 발보·예보 및 안전여부를 표시하는 제 9-1-1-1단계;
    실시간 온도데이터가 설정된 값보다 높은 경우 발보 상태를 표시하는 제 9-1-1-2단계;
    상기 실시간 데이터의 노출 간격을 설정가능하도록 하는 제 9-1-1-3단계; 및
    상기 실시간 데이터 내에서 특정 상태의 실시간 데이터를 일부 표시하는 제 9-1-1-4단계;를 포함하는 것을 특징으로 하는 발화 진단 방법.
  17. 제 16항에 있어서,
    상기 히스토리 화면은 실시간 센서의 데이터 추이를 시간간격으로 확인 가능하도록 하는 단계;및
    상기 실시간 센서의 데이터 추이를 저장 하는 단계; 및
    상기 실시간 센서의 데이터 추이를 검색할 수 있는 단계;를 더 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  18. 제 17항에 있어서,
    통신상태 메뉴화면은 각 센서의 정상 작동 유무를 화면에 표시하는 단계; 및
    상기 센서의 상태가 장애시에는 이상여부를 표시하는 단계; 를 더 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  19. 제 18항에 있어서,
    사례관리 메뉴화면은
    실시간데이터를 파일로 저장할 수 있는 단계;
    상기 저장된 실시간데이터 파일을 열수 있는 단계; 및
    상기 저장된 실시간데이터를 삭제 및 수정할 수 있는 단계;를 포함하는 것을 특징으로 하는 화재 발화 진단 방법.
  20. 제 19항에 있어서,
    설정 메뉴 화면은
    각 센서의 종류마다 단위,예보 기준값, 발보 기준값, 한계값을 설정할 수 있는 단계를 포함하는 화재 발화 진단 방법.
  21. 제 12항에 있어서,
    상기 제 7단계에서 화재 발생으로 판단되었을 때, 자동 소화 시스템을 작동시키는 단계;를 더 포함한 것을 특징으로 하는 화재 발화 진단 방법.
KR1020200005255A 2020-01-15 2020-01-15 화재 발화 진단 방법 및 그 프로그램 KR102399410B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200005255A KR102399410B1 (ko) 2020-01-15 2020-01-15 화재 발화 진단 방법 및 그 프로그램

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200005255A KR102399410B1 (ko) 2020-01-15 2020-01-15 화재 발화 진단 방법 및 그 프로그램

Publications (2)

Publication Number Publication Date
KR20210091941A KR20210091941A (ko) 2021-07-23
KR102399410B1 true KR102399410B1 (ko) 2022-05-19

Family

ID=77155329

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200005255A KR102399410B1 (ko) 2020-01-15 2020-01-15 화재 발화 진단 방법 및 그 프로그램

Country Status (1)

Country Link
KR (1) KR102399410B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880848A (zh) * 2022-11-22 2023-03-31 辽宁东科电力有限公司 一种配电柜电气火灾及时预警与灭焰综合保护系统
CN117975699B (zh) * 2024-03-29 2024-06-04 烟台信谊电器有限公司 基于物联网的智能化电气柜控制调节系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101803501B1 (ko) * 2017-11-01 2017-11-30 홍현수 분포 온도 감시 시스템
JP2018106693A (ja) * 2016-12-26 2018-07-05 能美防災株式会社 防災支援システム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100592624B1 (ko) * 2003-09-09 2006-06-23 주식회사 진화이앤씨 다종의 화재감지기를 이용한 화재판별 추론 시스템 및 그방법
KR20060001923A (ko) * 2005-12-16 2006-01-06 김두현 퍼지 로직을 이용한 규칙베이스와 사례베이스를 통합한지능형 전기화재원인진단 시스템 구축 방법
KR100939084B1 (ko) 2008-04-21 2010-01-28 박종남 화재 감지 장치
KR101463767B1 (ko) 2013-04-18 2014-11-21 주식회사 케이텔 광전식 연기 감지 방법 및 그 장치
KR101967645B1 (ko) * 2017-03-16 2019-08-13 한국기술교육대학교 산학협력단 퍼지로직과 딥러닝 통합 기반의 화재 감지 장치 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018106693A (ja) * 2016-12-26 2018-07-05 能美防災株式会社 防災支援システム
KR101803501B1 (ko) * 2017-11-01 2017-11-30 홍현수 분포 온도 감시 시스템

Also Published As

Publication number Publication date
KR20210091941A (ko) 2021-07-23

Similar Documents

Publication Publication Date Title
US20210049885A1 (en) Method and system for monitoring fire
JP6867153B2 (ja) 異常監視システム
KR102399410B1 (ko) 화재 발화 진단 방법 및 그 프로그램
US20090045937A1 (en) Hazard and Threat Assessment System
CA3078987A1 (en) Fire detection system
KR102058452B1 (ko) IoT 융합 지능형 영상분석 플랫폼 시스템
CN113205659B (zh) 一种基于人工智能的火灾识别方法和系统
US20240105038A1 (en) Determination and notification of a location of a building safety system event
CN113516820B (zh) 一种火灾预警方法和预警系统
JP2019079445A (ja) 火災監視システム
CN110519560B (zh) 一种智能预警方法、装置及系统
KR20190078687A (ko) 인공지능을 이용한 화재경보 시스템
KR20150080127A (ko) 화재 예방 시스템 및 방법
US11321570B2 (en) System and method for determining event
KR101466004B1 (ko) 지능형 방범, 방재 및 사후처리 통합 트리플렉스 시스템 및 그 제어 방법
KR102042585B1 (ko) 소방 방재 모니터링 시스템 및 방법
CN115766401B (zh) 工业告警信息解析方法、装置、电子设备与计算机介质
EP4075402A1 (en) Live status notification of response personnel actions to building owner/operators
KR102640451B1 (ko) 사업장재해 통합관제 시스템 및 그 방법
RU137808U1 (ru) Судовой аппаратно-программный комплекс для выявления предпожарных ситуаций, обнаружения возгораний и пожаров на ранней стадии, выработки прогноза распространения пожара, выработки рекомендаций вахтенной службе и аварийным партиям по действиям в сложившейся обстановке
JP2011176736A (ja) 監視装置
KR102702204B1 (ko) 인공 지능 기반의 IoT 센서 데이터 및 영상 데이터 분석을 통한 산업 현장 안전 관리 시스템
WO2021142825A1 (zh) 报警事件的优先级处理系统
KR101142849B1 (ko) 목조 건축물의 화재 예방 방법 및 그 시스템
JP7201357B2 (ja) 火災関連情報表示機

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right