KR102508615B1 - 저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치 - Google Patents
저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치 Download PDFInfo
- Publication number
- KR102508615B1 KR102508615B1 KR1020220063086A KR20220063086A KR102508615B1 KR 102508615 B1 KR102508615 B1 KR 102508615B1 KR 1020220063086 A KR1020220063086 A KR 1020220063086A KR 20220063086 A KR20220063086 A KR 20220063086A KR 102508615 B1 KR102508615 B1 KR 102508615B1
- Authority
- KR
- South Korea
- Prior art keywords
- unit
- power
- low
- forest fire
- image
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 53
- 238000010295 mobile communication Methods 0.000 title description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 78
- 238000004891 communication Methods 0.000 claims abstract description 56
- 238000010248 power generation Methods 0.000 claims abstract description 22
- 239000000779 smoke Substances 0.000 claims abstract description 14
- 238000012806 monitoring device Methods 0.000 claims description 52
- 238000000034 method Methods 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 238000005259 measurement Methods 0.000 description 12
- 230000009471 action Effects 0.000 description 9
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000000737 periodic effect Effects 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 4
- 239000001569 carbon dioxide Substances 0.000 description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000004071 soot Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/005—Fire alarms; Alarms responsive to explosion for forest fires, e.g. detecting fires spread over a large or outdoors area
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/48—Thermography; Techniques using wholly visual means
-
- 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
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/14—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from dynamo-electric generators driven at varying speed, e.g. on vehicle
- H02J7/1423—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from dynamo-electric generators driven at varying speed, e.g. on vehicle with multiple batteries
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Alarm Systems (AREA)
Abstract
본 명세서는 저전력 무선 산불 감시 장치 및 이를 포함한 지능형 산불 감시 시스템에 관한 것이다. 상기 저전력 무선 산불 감시 장치는 감시 영역에 대한 RGB 영상을 획득하는 RGB 이미지 센서 및 상기 감시 영역에 대한 열화상 영상을 획득하는 적외선 이미지 센서를 포함하는 영상 촬영부; 상기 감시 영역에 대한 연기 발생, 가스 발생, 및 온도/습도를 감지하는 센서들을 포함하는 화재 감지부; 저전력 광대역 통신망(LPWAN: Low Power Wide Area Network)을 이용하여 외부의 IoT 산불 감시 플랫폼과 데이터를 송수신하는 무선 통신부; 복수의 배터리를 구비하고, 상기 복수의 배터리 중 어느 하나로 구동 전력을 공급하는 전력 공급부; 전력을 생산하여 상기 복수의 배터리 중 비사용 중인 배터리를 충전하는 발전부; 상기 영상 촬영부, 상기 화재 감지부, 상기 무선 통신부, 상기 전력 공급부 및 상기 발전부와 기능적으로 연결되어, 상기 감시 영역에 대한 산불 발생 여부를 판단하는 제어부를 포함하여, 별도의 유선 전원 또는 대용량의 전력 공급원 없이도 내장된 배터리만으로 지속적으로 산불 발생을 감시할 수 있는 효과가 있다.
Description
본 명세서는 산불 감시 및 확산 알림 장치에 관한 것으로, 보다 구체적으로는 저전력 소비로 산불 발생을 감지할 수 있는 이동통신 기반의 무선 산불 감지 및 확산 알림 장치에 관한 것이다.
산림청의 '산불통계연보'에 따르면 산불발생 건 수가 최근 10년간 평균 31% 늘어났으며, 더욱이, 산림피해면적은 10년간 평균 161%나 증가하는 등, 산불의 발생 회 수 및 발생 면적이 이전보다 크게 급증하는 추세이다. 또한, 산불의 규모가 점점 커짐에 따라 귀중한 산림의 훼손뿐만 아니라 그 피해가 민가로까지 퍼지고 있어, 산불로 인한 피해액은 상상을 할 수 없는 실정이다.
이와 같은 산불 등으로 큰 피해가 발생되지 않기 위해서는 사전에 위험, 재난 상황 등을 미리 모니터링하여 산불을 예방하거나 산불을 신속하게 진압할 필요가 있어, 이를 위하여 CCTV, 드론, 전용 센서 감지망 등이 개발되어 사용되고 있다.
그러나 현재 산불 감시를 위해 설치되어 있는 장치들은 데이터 전송 방식, 영상 촬영 방식 등의 한계로 인해 전력 공급에 많은 어려움이 있어, 유선으로 전력을 공급해야 하는 문제가 있으며, 비용 또한 고가인 문제가 있다. 한국등록특허공보 제10-1911046호에는 장시간 사용이 불가능하고 고가인 드론을 이용한 산불 감시 시스템의 예가 개시되어 있다.
위 기재된 내용은 오직 본 발명의 기술적 사상들에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.
본 명세서는 전술한 문제점을 해결하기 위한 것으로서, 본 명세서의 일 실시 예는 듀얼 배터리를 이용하여 충전과 방전을 지속적으로 수행하여, 배터리만으로 구동하는 저전력의 무선 통신 방식으로 산불을 감지할 수 있는 장치를 제공하는 것을 목적으로 한다.
또한, 본 명세서는 가성비가 높은 보급형 센서를 이용하고, 광대역 저전력 무선 통신(LPWAN)을 통해 유선 전원과 와이파이 등의 인터넷 연결 없이도 독립적으로 임의의 장소에 설치되어 반영구적으로 동작하는 지능형 산불 감시 시스템을 제공함에 목적이 있다.
또한, 본 명세서는 센서를 통해 수집된 데이터를 AI 기술을 활용하여 센서 데이터를 분석함으로써 산불 발생을 보다 정확하게 감시할 수 있는 기술을 제공함에 목적이 있다.
본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
본 명세서는 저전력 무선 산불 감시 장치를 제시한다. 상기 저전력 무선 산불 감시 장치는, 감시 영역에 대한 RGB 영상을 획득하는 RGB 이미지 센서 및 상기 감시 영역에 대한 열화상 영상을 획득하는 적외선 이미지 센서를 포함하는 영상 촬영부; 상기 감시 영역에 대한 연기 발생, 가스 발생, 및 온도/습도를 감지하는 센서들을 포함하는 화재 감지부; 저전력 광대역 통신망(LPWAN: Low Power Wide Area Network)을 이용하여 외부의 IoT 산불 감시 플랫폼과 데이터를 송수신하는 무선 통신부; 복수의 배터리를 구비하고, 상기 복수의 배터리 중 어느 하나로 구동 전력을 공급하는 전력 공급부; 전력을 생산하여 상기 복수의 배터리 중 비사용 중인 배터리를 충전하는 발전부; 상기 영상 촬영부, 상기 화재 감지부, 상기 무선 통신부, 상기 전력 공급부 및 상기 발전부와 기능적으로 연결되는 제어부를 포함하되, 상기 제어부는, 상기 영상 촬영부에서 획득한 영상 데이터 및 상기 화재 감지부에서 획득한 센서 데이터 중 적어도 하나에 기초하여 상기 감시 영역에 대한 이벤트의 발생 여부를 판단하고, 상기 이벤트 발생의 판단 결과를 상기 저전력 광대역 통신망을 통해 상기 IoT 산불 감시 플랫폼으로 전송하도록 상기 무선 통신부를 제어할 수 있다.
상기 저전력 무선 산불 감시 장치 및 그 밖의 실시예는 다음과 같은 특징을 포함할 수 있다.
실시 예에 따라, 상기 제어부는, 제1 미리 결정된 주기로 상기 감시 영역에 대한 영상을 획득하도록 상기 영상 촬영부를 제어하고, 및 제2 미리 결정된 주기로 상기 감시 영역에 대한 센서 데이터를 획득하도록 상기 화재 감지부를 제어하되, 상기 화재 감지부에서 획득한 센서 데이터 중 적어도 하나에 기초하여 상기 감시 영역에서 제1 이벤트가 발생한 것으로 판단되면, 미리 결정된 시간 동안 상기 제1 미리 결정된 주기 보다 짧은 제3 미리 결정된 주기로 영상을 획득하도록 상기 영상 촬영부를 제어하고, 상기 화재 감지부에서 획득한 센서 데이터 중 적어도 하나 및 상기 제3 미리 결정된 주기로 획득한 상기 영상의 분석 결과에 기초하여 상기 감시 영역에서 제2 이벤트가 발생한 것이 아닌 것으로 판단되면, 상기 제1 미리 결정된 주기로 영상을 획득하도록 상기 영상 촬영부를 제어할 수 있다.
실시 예에 따라, 또한, 상기 제어부는, 상기 감시 영역을 포함하는 지역에 대한 기상청 날씨 데이터에 기초하여 상기 제1 미리 결정된 주기 및 상기 제2 미리 결정된 주기를 변동하되, 상기 감시 영역에 대한 이벤트 발생 확률에 반 비례하여 상기 제1 미리 결정된 주기 및 상기 제2 미리 결정된 주기를 조절할 수 있다.
실시 예에 따라, 또한, 상기 제어부는, 상기 복수의 배터리 중 제1 배터리로 구동 전원을 공급하는 동안, 상기 발전부를 통해 상기 복수의 배터리 중 제2 배터리를 충전하고, 상기 제1 배터리의 방전 전압이 임계 값 아래로 떨어지면 상기 제2 배터리를 통해 구동 전원을 공급하고, 상기 발전부를 통해 상기 제1 배터리를 충전하도록 상기 전력 공급부를 제어할 수 있다.
실시 예에 따라, 또한, 상기 제어부는, 상기 복수의 배터리 중 비사용 중인 배터리가 완충 될 때까지 상기 영상 촬영부 및 상기 화재 감지부의 작동 주기를 제어하여 상기 복수의 배터리 중 사용 중인 배터리의 전기 에너지의 소비량을 조절할 수 있다.
실시 예에 따라, 또한, 상기 발전부는, 태양 전지 및 풍력 발전기 중 적어도 하나를 포함할 수 있다.
실시 예에 따라, 또한, 상기 제어부는, 상기 영상 촬영부에서 획득한 영상 데이터에 기초하여 상기 감시 영역에 대한 상기 이벤트의 발생 여부를 판단하는 산불 판단 인공지능 모델을 포함하고, 상기 산불 판단 인공지능 모델은, 상기 이벤트의 발생 시, 및 상기 이벤트의 미 발생 시의 RGB 영상 및 열화상 영상을 학습하여, 상기 RGB 이미지 센서 및 상기 적외선 이미지 센서에서 획득된 영상에서 상기 이벤트의 발생을 판단하도록 훈련될 수 있다.
실시 예에 따라, 또한, 상기 제어부는, 상기 감시 영역에 대한 상기 제2 이벤트 발생 여부의 판단 결과, 상기 제2 이벤트 발생이 판단된 경우, 상기 복수의 배터리가 방전될 때까지 상기 제2 이벤트의 발생에 대한 알람을 제4 미리 결정된 주기로 상기 저전력 광대역 통신망을 통해 외부의 IoT 모니터링 서버로 전송하도록 상기 무선 통신부를 제어할 수 있다.
실시 예에 따라, 또한, 상기 저전력 광대역 통신망은, LTE Category Mode 1일 수 있다.
본 명세서의 실시 예는 듀얼 배터리를 이용하여 충전과 방전을 지속적으로 수행하여, 배터리만으로 구동하는 저전력의 무선 통신 방식으로 산불을 감지할 수 있는 효과가 있다.
또한, 본 명세서의 실시 예는 가성비가 높은 보급형 센서를 이용하고, 광대역 저전력 무선 통신(LPWAN)을 통해 유선 전원과 와이파이 등의 인터넷 연결 없이도 독립적으로 임의의 장소에 설치되어 반영구적으로 동작 할 수 있는 효과가 있다.
또한, 본 명세서의 실시 예는 센서를 통해 수집된 데이터를 AI 기술을 활용하여 센서 데이터를 분석함으로써 산불 발생을 보다 정확하게 감시할 수 있는 효과가 있다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 발명을 실시하기 위한 구체적인 내용과 함께 본 발명의 기술사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석되어서는 아니 된다.
도 1은 일 실시 예에 따른 저전력 무선 산불 감시 장치를 포함하는 지능형 산불 감시 시스템의 일례를 나타낸 개념도이다.
도 2는 일 실시 예에 따른 저전력 무선 산불 감시 장치의 블록도이다.
도 3은 일 실시 예에 따른 저전력 무선 산불 감시 장치에서 산불 감시를 위한 이벤트 측정 방법의 일 예에 대해서 설명하는 도면이다.
도 4는 일 실시 예에 따른 저전력 무선 산불 감시 장치에서 전력 공급 계통도를 도시한다.
도 5는 일 실시 예에 따른 IoT 모니터링 플랫폼의 블록도이다.
도 6은 일 실시 예에 따른 AI 장치의 블록도이다.
도 1은 일 실시 예에 따른 저전력 무선 산불 감시 장치를 포함하는 지능형 산불 감시 시스템의 일례를 나타낸 개념도이다.
도 2는 일 실시 예에 따른 저전력 무선 산불 감시 장치의 블록도이다.
도 3은 일 실시 예에 따른 저전력 무선 산불 감시 장치에서 산불 감시를 위한 이벤트 측정 방법의 일 예에 대해서 설명하는 도면이다.
도 4는 일 실시 예에 따른 저전력 무선 산불 감시 장치에서 전력 공급 계통도를 도시한다.
도 5는 일 실시 예에 따른 IoT 모니터링 플랫폼의 블록도이다.
도 6은 일 실시 예에 따른 AI 장치의 블록도이다.
본 명세서에 개시된 기술은 저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치에 적용될 수 있다. 그러나 본 명세서에 개시된 기술은 이에 한정되지 않고, 상기 기술의 기술적 사상이 적용될 수 있는 모든 장치 및 방법에도 적용될 수 있다.
본 명세서에서 사용되는 기술적 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 명세서에 개시된 기술의 사상을 한정하려는 의도가 아님을 유의해야 한다. 또한, 본 명세서에서 사용되는 기술적 용어는 본 명세서에서 특별히 다른 의미로 정의되지 않는 한, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 의미로 해석되어야 하며, 과도하게 포괄적인 의미로 해석되거나, 과도하게 축소된 의미로 해석되지 않아야 한다. 또한, 본 명세서에서 사용되는 기술적인 용어가 본 명세서에 개시된 기술의 사상을 정확하게 표현하지 못하는 잘못된 기술적 용어일 때에는, 본 명세서에 개시된 기술이 속하는 분야에서 통상의 지식을 가진 자가 올바르게 이해할 수 있는 기술적 용어로 대체되어 이해되어야 할 것이다. 또한, 본 명세서에서 사용되는 일반적인 용어는 사전에 정의되어 있는 바에 따라, 또는 전후 문맥 상에 따라 해석되어야 하며, 과도하게 축소된 의미로 해석되지 않아야 한다.
본 명세서에서 사용되는 제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용될 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성 요소는 제2 구성 요소로 명명될 수 있고, 유사하게 제2 구성 요소도 제1 구성 요소로 명명될 수 있다.
이하, 첨부된 도면을 참조하여 본 명세서에 개시된 실시 예들을 상세히 설명하되, 도면 부호에 관계없이 동일하거나 유사한 구성 요소는 동일한 참조 번호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다.
또한, 본 명세서에 개시된 기술을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 명세서에 개시된 기술의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다. 또한, 첨부된 도면은 본 명세서에 개시된 기술의 사상을 쉽게 이해할 수 있도록 하기 위한 것일 뿐, 첨부된 도면에 의해 그 기술의 사상이 제한되는 것으로 해석되어서는 아니 됨을 유의해야 한다.
이하에서는 첨부의 도면을 참조하여 실시 예들을 상세하게 설명한다.
도 1은 일 실시 예에 따른 저전력 무선 산불 감시 장치를 포함하는 지능형 산불 감시 시스템의 일례를 나타낸 개념도이다.
도 1을 참조하면, 지능형 산불 감시 시스템(10)은 저전력 무선 산불 감시 장치(100), IoT 산불 감시 플랫폼(200), 기지국(300) 등을 포함하여 구성될 수 있다. 도시된 구성 요소들은 필수적인 것은 아니어서, 그 보다 많은 구성 요소들을 갖거나, 그보다 적은 구성 요소들을 갖는 지능형 산불 감시 시스템(10)이 구현될 수도 있다. 또한, 이러한 구성 요소는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합을 통해서 구현될 수 있다.
상기 저전력 무선 산불 감시 장치(100)는 구비된 각종 이미지 센서들 및 산불 감지 센서들을 통해 산불 발생을 판단하기 위한 정보 또는 데이터를 수집하고, 이들 수집된 정보 또는 데이터를 분석하여 산불의 발생을 판단할 수 있다. 한편, 저전력 무선 산불 감시 장치(100)는 수집된 데이터를 저전력 광대역 통신망(Low Power Wide Area Network: LPWAN)을 통해 기지국(300)과 무선으로 송신하거나, 각종 제어 데이터를 기지국(300)으로부터 수신할 수 있다.
상기 저전력 무선 산불 감시 장치(100)는 임의의 장소에 고정되거나 이동성을 가질 수 있으며, 이동 단말기, 저전력 무선 산불 감시 장치(Internet-of-Things monitoring device), UE(User Equipment), MS(Mobile Station), UT(user terminal), MSS(Mobile Subscriber Station), SS(Subscriber Station), AMS(Advanced Mobile Station), WT(Wireless Terminal), MTC(Machine-Type Communication) 장치, M2M(Machine-to-Machine) 장치, D2D(Device-to-Device) 장치 등의 용어로 대체될 수 있다.
상기 저전력 광대역 통신망은 10km 이상의 넓은 서비스 커버리지를 가지며, 초당 수백 킬로비트(kbps)가량의 통신 속도를 제공하는 통신 기술로, 로라(LoRa), LTE Cat.M1(LTE Category Mode 1), NB-IoT 기술 등이 이에 해당된다.
상기 LTE Cat.M1은 LTE BL(Bandwidth reduced Low complexity)/CE(Coverage Enhancement), LTE-M1, LTE MTC(Machine Type Communication), LTE-M1/M2 등으로 표현될 수 있으며, 특별한 언급이 없는 한 동일한 의미를 가지는 것으로 해석될 수 있다.
상기 IoT 산불 감시 플랫폼(200)은 상기 저전력 무선 산불 감시 장치(100)로부터 수집된 정보 또는 데이터를 수신하고, 컴퓨터 비전 기술 및/또는 AI 기술을 통해 상기 수신된 정보 또는 데이터를 분석할 수 있으며, IoT 산불 모니터링 서버 등으로 호칭될 수 있다.
상기 기지국(300)은 상기 저전력 무선 산불 감시 장치(100)와 저전력 광대역 통신망을 통해 무선 신호를 송수신하며, 상기 IoT 산불 감시 플랫폼(200)과 유선 또는 무선으로 연결될 수 있으며, 고정국(fixed station), Node B, eNB(evolved-NodeB), BTS(base transceiver system), 액세스 포인트(AP: Access Point), gNB(next generation NB, general NB, gNodeB) 등의 용어에 의해 대체될 수 있다.
도 2는 일 실시 예에 따른 저전력 무선 산불 감시 장치의 블록도이다.
도 2를 참조하면, 저전력 무선 산불 감시 장치(100)는 무선 통신부(110), 영상 촬영부(120), 화재 감지부(130), 메모리(140), 입력부(150), 출력부(160), 발전부(170), 전력 공급부(180) 및 제어부(190) 등을 포함하여 구성될 수 있다. 도시된 구성 요소들이 필수적인 것은 아니어서, 그보다 많은 구성 요소들을 갖거나 그보다 적은 구성 요소들을 갖는 저전력 무선 산불 감시 장치(100)가 구현될 수도 있다.
이하, 저전력 무선 산불 감시 장치(100)의 각 구성 요소들에 대해 살펴본다.
무선 통신부(110)는 저전력 무선 산불 감시 장치(100)와 전술한 기지국(300) 및/또는 IoT 산불 감시 플랫폼(200) 사이의 저전력 광대역 무선 통신을 가능하게 하는 하나 이상의 모듈을 포함할 수 있다.
즉, 무선 통신부(110)는 근거리 통신 모듈, 이동통신 모듈, 무선 인터넷 모듈 등을 포함할 수 있다.
근거리 통신 모듈은 근거리 통신을 위한 모듈을 말한다. 근거리 통신(short range communication) 기술로 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(IrDA: infrared Data Association), UWB(Ultra Wideband), ZigBee, MTC(Machine Type Communication), NB(NarrowBand)-IoT 등이 이용될 수 있다.
이동통신 모듈은, 이동 통신망 상에서 기지국, 외부의 단말, 서버 중 적어도 하나와 무선 신호를 송수신한다. 상기 무선 신호는, 음성 호 신호, 화상 통화 호 신호 또는 문자/멀티미디어 메시지 송수신에 따른 다양한 형태의 데이터를 포함할 수 있다. 상기 이동통신 모듈은 저전력 광대역 통신망(Low Power Wide Area Network: LPWAN)을 이용하여 저전력 광대역 통신을 제공할 수 있다.
이외에도, 상기 무선 통신부는 방송 수신 모듈, 위치정보 모듈을 추가적으로 포함할 수 있다.
위치정보 모듈은 저전력 무선 산불 감시 장치의 위치를 획득하기 위한 모듈로서, 그의 대표적인 예로는 GPS(Global Position System) 모듈이 있다.
영상 촬영부(120)는 RGB 이미지 센서 및 적외선 이미지 센서를 포함하여, 각 센서로부터 감시 영역에 대한 RGB 영상과 열화상 영상을 획득할 수 있다. 상기 RGB 이미지 센서는 감시 영역을 촬영하여 영상을 획득하는 기능을 수행하는 것으로서, 예컨대, RGB 이미지 센서는 CCD(Charge-Coupled Device) 또는 CMOS(Complementary Metal Oxide Semiconductor)와 같이 광학 신호를 전기적 신호(이하 영상으로 설명함)로 변환할 수 있는 반도체 소자 등으로 구현될 수 있다. 적외선 이미지 센서는 감시 영역의 객체에서 발생하는 열의 변화 또는 차이를 감지하여 이미지로 변환하여 주는 것으로 반도체 소자 등으로 구현될 수 있다.
영상 촬영부(120)는 인코더(도시되지 않음)는 포함할 수 있으며, 인코더는 RGB 이미지 센서 및 적외선 이미지 센서를 통해 획득한 영상을 디지털 신호로 부호화하는 동작을 수행한다.
RGB 이미지 센서 및 적외선 이미지 센서는 카메라라고 불릴 수도 있으며, 카메라는 화상 통화모드 또는 촬영 모드에서 이미지 센서에 의해 얻어지는 정지영상 또는 동영상 등의 화상 프레임을 처리한다. 처리된 화상 프레임은 출력부에 표시될 수 있다. 카메라에서 처리된 화상 프레임은 메모리에 저장되거나 무선 통신부를 통하여 외부로 전송될 수 있다. 카메라는 사용 환경에 따라 2개 이상이 구비될 수도 있다.
화재 감지부(130)는 상기 감시 영역 또는 저전력 무선 산불 감시 장치(100)가 설치된 장소에서 연기, 그을음, 이산화탄소 및/또는 일산화탄소 등의 가스의 발생을 감지하는 센서들을 포함하고, 온도 및/또는 습도를 감지하는 센서들을 포함할 수 있다. 상기 센서들은 화재 감지 센서들이라 불릴 수 있으며, 각각 미리 결정된 감지 주기로 감지하고 하는 대상 및 물질에 대한 센싱 데이터를 획득할 수 있으며, 상기 감지 주기는 입력부(150)를 통한 입력 값 또는 제어부(190)의 제어 신호에 의해서 조정될 수 있다.
메모리(140)는 후술할 제어부(190)의 동작을 위한 컴퓨터 프로그램을 저장할 수 있고, 컴퓨터 프로그램의 연산/처리 결과 및 입/출력되는 데이터들을 임시 저장할 수도 있다. 메모리(140)는 저전력 무선 산불 감시 장치(100)의 각종 정보 또는 데이터를 저장하는 매체로서, 제어부(190)와 연결되어 제어부(190)의 동작을 위한 프로그램, 어플리케이션(application), 일반파일 및 입/출력되는 데이터들을 저장할 수 있다.
입력부(150)는 사용자가 저전력 무선 산불 감시 장치(100)의 동작 제어를 위한 입력 데이터를 발생시킨다. 또한, 입력부(150)는 사용자가 저전력 무선 산불 감시 장치(100)의 산불 발생 감지를 위한 센서들의 설정 데이터 및 다른 구성 요소들의 설정 데이터 및 제어 데이터를 발생시킨다. 입력부(150)는 키 패드(key pad), 돔 스위치 (dome switch), 터치 패드(정압/정전), 조그 휠, 조그 스위치 등으로 구성될 수 있다.
출력부(160)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 이에는 디스플레이 모듈, 음향 출력 모듈, 알람 부저 등이 포함될 수 있으며, 상기 출력에는 저전력 무선 산불 감시 장치(100)에서 발생된 데이터, 상기 영상 촬영부(120) 및 화재 감지부(130)에서 획득된 데이터가 포함될 수 있다.
발전부(170)는 태양 전지(태양열 모듈 또는 솔라 판넬) 및/또는 소형 풍력발전기를 포함할 수 있으며, 이들을 통해 생산된 전력은 저전력 무선 산불 감시 장치(100)에 공급되는 전력을 저장하는 배터리에 충전된다.
전력 공급부(180)는 복수의 배터리를 구비하고 있으며, 제어부(190)의 제어 하에 상기 복수의 배터리 중의 어느 하나의 전원을 인가받아 무선 통신부(110), 영상 촬영부(120), 화재 감지부(130), 메모리(140), 입력부(150), 출력부(160) 및 발전부(170)뿐만 아니라 제어부(190)의 동작에 필요한 전력을 공급해준다. 상기 배터리는 최소한 방전된 배터리가 상기 발전부(170)에 의해 완충될 때까지의 시간 동안 저전력 무선 산불 감시 장치(100)가 일반적인 정상 작동을 할 수 있을 정도의 전기 에너지 저장 용량을 가진다.
제어부(190)는 무선 통신부(110), 영상 촬영부(120), 화재 감지부(130), 메모리(140), 입력부(150), 출력부(160) 및 발전부(170)와 기능적으로 연결되어, 상기 구성 요소들을 제어하는 제어 신호를 발생할 수 있다. 제어부(190)는 메모리(140)에 저장된 컴퓨터 프로그램에 의해 제어 기능을 하며, 저전력 무선 산불 감시 장치(100)의 모든 구성 요소들의 작동을 포함한 전반적인 동작을 제어한다.
이하에서는 도 2 내지 도 4를 참조하여 저전력 무선 산불 감시 장치(100)의 산불 감지를 위한 구성 요소들의 기능 및 작동 과정에 대해서 상세하게 설명한다.
제어부(190)는 영상 촬영부(120)에서 획득한 영상 데이터 및 화재 감지부(130)에서 획득한 센서 데이터 중 적어도 하나에 기초하여 감시 영역에 대한 산불 징조의 발생 여부 및 산불 발생 여부를 판단하고, 산불 징조의 발생 여부 및 산불 발생 여부의 판단 결과를 저전력 광대역 통신망을 통해 IoT 산불 감시 플랫폼(200)으로 전송하도록 무선 통신부(110)를 제어할 수 있다.
영상 촬영부(120)의 RGB 이미지 센서 및 적외선 이미지 센서는 미리 결정된 주기로 감시 영역에 대한 RGB 영상과 열화상 영상을 각각 획득하도록 제어부(190)의 제어 신호에 의해서 제어된다.
화재 감지부(130)의 연기 감지 센서, 그을음 감지 센서, 이산화탄소 감지 센서, 일산화탄소 감지 센서, 온도 측정 센서 및 습도 측정 센서는 각각 미리 결정된 센서 감지 주기로 감시 영역 또는 장치(100)가 설치된 장소에 대한 센서 데이터를 획득하도록 제어부(190)의 제어 신호에 의해서 제어된다. 이들 센서들 중 일부는 제어 신호와 상관없이 고정된 제어 주기 또는 연속적으로 센싱 데이터를 취득할 수도 있다.
제어부(190)는 화재 감지부(130)의 센서들에서 획득한 센싱 데이터 중 적어도 하나에 기초하여 감시 영역에서의 산불 발생의 징조가 있는 것으로 판단되면, 미리 결정된 시간 동안 상기 미리 결정된 주기 보다 짧은 주기로 RGB 영상과 열화상 영상을 획득하도록 영상 촬영부(120)를 제어할 수 있다. 제어부(190)는 상기 미리 결정된 시간 동안 화재 감지부(130)에서 획득한 센서 데이터 중 적어도 하나 및 상기 미리 결정된 주기 보다 짧은 주기로 획득한 RGB 영상과 열화상 영상을 분석하여 산불이 실제로 발생했는지를 분석하고, 상기 감시 영역에서 산불이 발생한 것이 아닌 것으로 판단되면, 상기 미리 결정된 시간 이후에, 다시 상기 미리 결정된 주기로 RGB 영상과 열화상 영상을 획득하도록 영상 촬영부(120)를 제어할 수 있다.
그러나, 제어부(190)는 감시 영역에 대한 산불 발생 여부의 판단 결과, 산불이 발생한 것으로 판단된 경우, 전력 공급부(180)의 복수의 배터리가 모두 방전될 때까지 산불 발생에 대한 알람을 미리 결정된 주기로 저전력 광대역 통신망을 통해 외부의 IoT 모니터링 서버(200)로 전송하도록 무선 통신부(110)를 제어할 수 있다. 제어부(190)는 복수의 배터리 중 현재 사용 중인 배터리를 통해서 산불 알람을 발생시키고, 현재 사용 중인 배터리가 방전되면 다른 배터리를 이용하여 산불 알람을 계속하여 발생시켜 시스템 관리자 또는 산불 감시 유관 기관에게 확실하게 산불 발생을 통지할 수 있다.
한편, 제어부(190)는 상기 감시 영역을 포함하는 지역, 즉 저전력 무선 산불 감시 장치(100)가 설치된 지역의 날씨 데이터를 기상청으로부터 수집하여 분석한 뒤, 영상 촬영부(120)의 촬영 주기 및 화재 감지부(130)의 센싱 주기를 수집된 날씨 데이터에 의한 산불 발생 확률에 반 비례하여 변동할 수 있다. 예를 들어, 제어부(190)는 기상청의 날씨 데이터를 분석한 결과, 감시 지역에서 산불 발생 확률이 낮아지는 경우에는 상기 촬영 주기 및 상기 센싱 주기를 길게 설정하여 저전력 무선 산불 감시 장치(100)의 소비 전력량을 줄일 수 있고, 감시 지역에서 산불 발생 확률이 높아지는 경우에는 상기 촬영 주기 및 상기 센싱 주기를 짧게 설정하여 산불 감시의 정확도를 높일 수 있다.
도 3은 일 실시 예에 따른 저전력 무선 산불 감시 장치에서 산불 감시를 위한 이벤트 측정 방법의 일 예에 대해서 설명하는 도면이다.
도 3을 참조하면, 일 실시 예에 따른 저전력 무선 산불 감시 장치(100)는 주기적 측정 모드, 이벤트 측정 모드 및 긴급 보고 모드로 동작할 수 있다.
상기 주기적 측정 모드는 기본적으로 설정된 주기(예컨대, 최소 5분)에 따라 주기적인 영상의 체크를 통해 감시 영역과 장치가 설치된 주변의 산불 발생을 감시하는 모드이다.
상기 이벤트 측정 모드는 24시간 대기 모드로 동작하다가 연기 감지 센서로부터 연기 감지 신호가 발생되면 1분 간격으로 지정한 회수(예컨대, 기본 10회)만큼 주변을 감지한 후 산불의 징후가 없을 때에는 다시 대기 모드로 전환하는 모드이다. 이벤트 측정 모드에서는 연기만 감지하는 것이 아니라, 그을음, 이산화탄소 및/또는 일산화탄소 등의 가스의 발생도 감지할 수 있으며, 온도 및/또는 습도의 급격한 변화도 감지할 수 있다. 이러한 연기 외의 연소 가스 등의 감지 물질(그을음, 이산화탄소, 일산화탄소 등) 및 감지 요소(온도, 습도 등)도 연기를 감지하는 방법과 동일하게 작동할 수 있다.
상기 긴급 보고 모드는 상기 이벤트 측정 모드의 작동 중 산불의 발생이 확실한 것으로 판단될 경우 전력 공급부의 배터리 방전 전압이 임계 값이 될 때까지 미리 결정된 간격, 예를 들어 30초 간격으로 지속적인 보고(알람 전송)를 수행한다.
예를 들면, 화재 감지부(130)의 연기 감지 센서가 산불 발생의 징조로서 감시 영역에서의 일정 농도의 연기를 감지(401)하면, 주기적 측정 모드(410)로 영상을 촬영하던 영상 촬영부(120)의 이미지 센서들을 제어하여 이벤트 측정 모드(402)로 작동하도록, 즉, 미리 결정된 시간 동안 미리 결정된 주기 보다 짧은 주기로 RGB 영상과 열화상 영상을 획득하도록 할 수 있다. 제어부(190)는 상기 미리 결정된 시간 동안 화재 감지부(130)에서 획득한 센서 데이터와 상기 미리 결정된 주기 보다 짧은 주기로 획득한 RGB 영상 및 열화상 영상을 분석하여 산불이 실제로 발생했는지를 분석한다. 그러나, 상기 감시 영역에서 산불이 발생한 것이 아닌 것으로 판단되면, 상기 미리 결정된 시간 이후에는, 다시 주기적 측정 모드(410)로 작동하도록, 즉, 상기 미리 결정된 주기로 RGB 영상과 열화상 영상을 획득하도록 영상 촬영부(120)를 제어할 수 있다. 화재 감지부(130)의 연기 감지 센서가 일정 농도의 연기를 감지(420)하면, 제어부(190)은 산불 경고 예비 모드로 작동하고(430), 이벤트 측정 모드(402)로 진입하면 산불 경고 모드로 작동하여 다른 센서들이 주기적 측정 모드(410)에서 이벤트 측정 모드(402)로 전환되도록 제어한다.
한편, 제어부(190)는 전력 공급부(180)의 복수의 배터리 중에 하나의 배터리를 사용하여 저전력 무선 산불 감시 장치(100)의 모든 구성 요소들에 구동 전원을 공급하는 동안, 발전부(170)를 통해 상기 복수의 배터리 중 다른 배터리를 충전한다. 또한, 제어부(190)는 상기 사용 중인 배터리의 방전 전압이 임계 값 아래로 떨어지면, 상기 충전 중이던 다른 배터리를 통해 저전력 무선 산불 감시 장치(100)의 모든 구성 요소들에 구동 전원을 공급하고, 발전부(170)를 통해 상기 방전된 배터리를 충전하도록 상기 전력 공급부(180)를 제어한다.
도 4는 일 실시 예에 따른 저전력 무선 산불 감시 장치에서 전력 공급 계통도를 도시한다.
도 4를 참조하면, 전력 공급부(180)는 복수의 배터리(181, 182)(도 4의 예에서는 배터리가 두 개 있는 경우로 설명함), 배터리 선택 스위치(183) 및 충전 선택 스위치(184)를 포함하여 구성될 수 있다. 복수의 배터리(181, 182)는 제어부(190)의 배터리 선택 스위치(183)에 대한 제어 신호에 의해 교대로 선택되어 제어부(190)을 포함한 저전력 무선 산불 감시 장치(100)의 모든 구성 요소들에 구동 전원을 공급하고, 제어부(190)의 충전 선택 스위치(184)에 대한 제어 신호에 의해 교대로 선택되어 발전부(170)로부터 전력을 공급받아 충전될 수 있다.
발전부(170)는 태양 전지(171), 풍력 발전기(172) 및 충전회로(173)를 포함하여 구성될 수 있으며, 태양 전지(171)와 풍력 발전기(172)에서 생산된 전력은 충전회로(173)를 거쳐 전력 공급부(180)로 공급된다.
한편, 제어부(190)는 복수의 배터리 중 비사용 중인 배터리가 완충 될 때까지 영상 촬영부(120) 및 화재 감지부(130)의 작동 주기를 제어하여 복수의 배터리 중 사용 중인 배터리의 전기 에너지의 소비량을 조절할 수도 있다.
다시 도 2를 참조하면, 제어부(190)는 영상 촬영부(120)에서 획득한 영상 데이터에 기초하여 감시 영역에 대한 이벤트 발생 여부를 판단하는 산불 판단 인공지능 모델을 포함할 수 있다. 상기 산불 판단 인공지능 모델은, 산불 발생 시의 RGB 영상 및 열화상 영상과 산불 미 발생 시의 RGB 영상 및 열화상 영상을 학습하여, RGB 이미지 센서 및 적외선 이미지 센서에서 획득된 영상에서 산불의 발생 및 산불 발생의 징조를 판단하도록 훈련되며, 이러한 학습 및 훈련을 통한 이벤트 발생 여부의 판단은 제어부(190)에 포함된 프로세서를 통해서 수행될 수도 있고, 후술할 AI 장치(도 6의 도면 부호 195)를 통해서 수행될 수도 있다. 또한, 상기 AI 장치는 화재 감지부(130)의 센서들을 통해 수집한 센싱 데이터의 패턴을 분석하여 산불 발생의 징조 또는 산불 발생을 판단할 수 있다.
실시 예에 따라 상기 산불 판단 인공지능 모델은 제어부(190)가 아니라 후술할 IoT 지능형 모니터링 플랫폼(200)의 서버 제어부(240)에 포함되어 전술한 인공지능 모델의 학습이 이루어질 수 있다. 이 경우, 영상 촬영부(120)에서 획득된 영상 데이터와 화재 감지부(130)의 센서들을 통해 수집한 센싱 데이터의 적어도 일부는 무선 통신부(110)를 통해 IoT 지능형 모니터링 플랫폼(200)으로 전송되며, 전송된 데이터가 입력되면 산불 발생의 징조 또는 산불 발생의 판단은 서버 제어부(240)에서 수행될 수도 있다.
제어부(190)는 프로세서, 제어 모듈, 컨트롤러(controller), 마이크로 컨트롤러(micro controller), 마이크로프로세서(microprocessor), CPU, MCU 등으로 호칭될 수 있으며, 상기 제어부(190)는 하드웨어(hardware), 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다. 제어부(190)는 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다.
도 5는 일 실시 예에 따른 IoT 모니터링 플랫폼의 블록도이다.
도 5를 참조하면, IoT 지능형 모니터링 플랫폼(200)은 서버 통신부(210), 서버 입력부(220), 서버 출력부(230), 서버 메모리(240) 및 서버 제어부(250) 등을 포함할 수 있다. 도시된 구성 요소들이 필수적인 것은 아니어서, 그보다 많은 구성 요소들을 갖거나 그보다 적은 구성 요소들을 갖는 IoT 모니터링 장치가 구현될 수도 있다.
이하, IoT 모니터링 플랫폼(200)의 각 구성 요소들에 대해 살펴본다.
서버 통신부(210)는 기지국(300)과 IoT 지능형 모니터링 플랫폼(200)(또는 IoT 지능형 모니터링 서버 등) 사이의 통신을 가능하게 하는 하나 이상의 통신 모듈을 포함할 수 있다. 서버 통신부(210)는 근거리 통신 모듈, 이동통신 모듈, 무선 인터넷 모듈 등을 포함할 수 있다.
서버 입력부(220)는 사용자가 IoT 지능형 모니터링 플랫폼(200)의 동작 제어를 위한 입력 데이터 또는 IoT 지능형 모니터링 플랫폼(200)를 통해서 저전력 무선 산불 감시 장치(100)의 동작 제어를 위한 입력 데이터를 발생시킨다. 또한, 입력부(220)는 IoT 지능형 모니터링 플랫폼(200)를 통해서 사용자가 저전력 무선 산불 감시 장치(100)의 산불 발생 감지를 위한 센서들의 설정 데이터 및 다른 구성 요소들의 설정 데이터 및 제어 데이터를 입력 받아 발생시킨다.
서버 출력부(230)는 시각, 청각 또는 촉각 등과 관련된 출력을 발생시키기 위한 것으로, 이에는 디스플레이 모듈, 음향 출력 모듈, 햅틱 모듈, 알람부 등이 포함될 수 있다. 서버 출력부(230)는 디스플레이 모듈로 저전력 무선 산불 감시 장치(100)에서 수집한 데이터를 분석한 결과, 즉 산불 감지 결과 및 산불 발생 현황을 출력할 수 있다. 관리자는 상기 디스플레이 모듈로 출력된 데이터에 기초하여 유사 시 관련 기관에 통보를 하거나 경보 알람을 작동하는 명령을 내릴 수 있다.
상기 서버 메모리(240)는 상기 서버 제어부(250)의 동작을 위한 프로그램을 저장할 수 있고, 입/출력되는 데이터들을 임시 저장할 수도 있다. 상기 서버 메모리(240)는 IoT 모니터링 플랫폼(200)의 각종 정보를 저장하는 매체로서, 상기 서버 제어부(250)와 연결되어 상기 서버 제어부(250)의 동작을 위한 프로그램, 어플리케이션(application), 일반 파일 및 입/출력되는 데이터들을 저장할 수 있다.
서버 제어부(250)는 IoT 모니터링 플랫폼(200)의 전반적인 동작을 제어하는 모듈을 말하며, 프로세서, 제어 모듈, 컨트롤러(controller), 마이크로 컨트롤러(micro controller), 마이크로프로세서(microprocessor)등으로 호칭될 수 있으며, 상기 제어부는 하드웨어(hardware), 펌웨어(firmware), 소프트웨어, 또는 이들의 결합에 의해 구현될 수 있다.
서버 제어부(250)는 ASIC(application-specific integrated circuit), 다른 칩셋, 논리 회로 및/또는 데이터 처리 장치를 포함할 수 있다.
또한, 상기 IoT 모니터링 플랫폼(200)은 저전력 무선 산불 감시 장치(100)로부터 수집한 데이터를 분석하기 위해 후술할 AI 장치(도 6의 도면 부호 195)를 포함할 수 있다.
도 6은 일 실시 예에 따른 AI 장치의 블록도이다.
도 6을 참조하면, 상기 AI 장치(195)는 AI 프로세싱을 수행할 수 있는 AI 모듈을 포함하는 전자 기기 또는 상기 AI 모듈을 포함하는 서버 등을 포함할 수 있다. 또한, 상기 AI 장치는 전자기기의 적어도 일부의 구성으로 포함되어 AI 프로세싱 중 적어도 일부를 함께 수행하도록 구비될 수도 있다.
상기 AI 장치(195)는 AI 프로세서(21), 메모리(25) 및/또는 통신부(27)를 포함할 수 있다.
AI 프로세서(21)는 메모리(25)에 저장된 프로그램을 이용하여 신경망을 학습할 수 있다. 특히, AI 프로세서(21)는 모니터링 관련 데이터를 인식하기 위한 신경망을 학습할 수 있다. 신경망 모델의 예는 심층 신경망(DNN, deep neural networks), 합성곱 신경망(CNN, convolutional deep neural networks), 순환 신경망(RNN, Recurrent Boltzmann Machine), 제한 볼츠만 머신(RBM, Restricted Boltzmann Machine), 심층 신뢰 신경망(DBN, deep belief networks), 심층 Q-네트워크(Deep Q-Network)와 같은 다양한 딥 러닝 기법들을 포함하며, 컴퓨터비젼, 음성인식, 자연어처리, 음성/신호처리 등의 분야에 적용될 수 있다.
한편, 전술한 바와 같은 기능을 수행하는 프로세서(21)는 범용 프로세서(예를 들어, CPU)일 수 있으나, 인공지능 학습을 위한 AI 전용 프로세서(예를 들어, GPU)일 수 있다.
메모리(25)는 AI 장치(195)의 동작에 필요한 각종 프로그램 및 데이터를 저장할 수 있다. 메모리(25)는 비 휘발성 메모리, 휘발성 메모리, 플래시 메모리(flash-memory), 하드디스크 드라이브(HDD) 또는 솔리드 스테이트 드라이브(SDD) 등으로 구현할 수 있다. 메모리(25)는 AI 프로세서(21)에 의해 액세스되며, AI 프로세서(21)에 의한 데이터의 독취/기록/수정/삭제/갱신 등이 수행될 수 있다. 또한, 메모리(25)는 본 발명의 일 실시예에 따른 데이터 분류/인식을 위한 학습 알고리즘을 통해 생성된 신경망 모델(예를 들어, 딥 러닝 모델(26))을 저장할 수 있다.
한편, AI 프로세서(21)는 데이터 분류/인식을 위한 신경망을 학습하는 데이터 학습부(22)를 포함할 수 있다. 데이터 학습부(22)는 데이터 분류/인식을 판단하기 위하여 어떤 학습 데이터를 이용할지, 학습 데이터를 이용하여 데이터를 어떻게 분류하고 인식할지에 관한 기준을 학습할 수 있다. 데이터 학습부(22)는 학습에 이용될 학습 데이터를 획득하고, 획득된 학습데이터를 딥러닝 모델에 적용함으로써, 딥러닝 모델을 학습할 수 있다.
데이터 학습부(22)는 학습 데이터 획득부(23) 및 모델 학습부(24)를 포함할 수 있다.
학습 데이터 획득부(23)는 데이터를 분류하고 인식하기 위한 신경망 모델에 필요한 학습 데이터를 획득할 수 있다.
모델 학습부(24)는 상기 획득된 학습 데이터를 이용하여, 신경망 모델이 소정의 데이터를 어떻게 분류할지에 관한 판단 기준을 가지도록 학습할 수 있다.
통신부(27)는 AI 프로세서(21)에 의한 AI 프로세싱 결과를 외부 전자 기기 도는 외부의 장치로 전송할 수 있다.
한편, 도 6에 도시된 AI 장치(195)는 AI 프로세서(21)와 메모리(25), 통신부(27) 등으로 기능적으로 구분하여 설명하였지만, 전술한 구성 요소들이 하나의 모듈로 통합되어 AI 모듈로 호칭될 수도 있음을 밝혀 둔다.
본 명세서에서 사용된 용어 "부"는(예를 들면, 제어부 등), 예를 들어, 하드웨어, 소프트웨어 또는 펌웨어(firmware) 중 하나 또는 둘 이상의 조합을 포함하는 단위(unit)를 의미할 수 있다. "부"는, 예를 들어, 유닛(unit), 로직(logic), 논리블록(logical block), 부품(component), 또는 회로(circuit) 등의 용어와 바꾸어 사용(interchangeably use)될 수 있다. "부"는, 일체로 구성된 부품의 최소 단위 또는 그 일부가 될 수 있다. "부"는 하나 또는 그 이상의 기능을 수행하는 최소 단위 또는 그 일부가 될 수도 있다. "부"는 기계적으로 또는 전자적으로 구현될 수 있다. 예를 들어, "부"는, 알려졌거나 앞으로 개발될, 어떤 동작들을 수행하는 ASIC(Application-Specific Integrated Circuit) 칩, FPGAs(Field-Programmable Gate Arrays) 또는 프로그램 가능 논리 장치(programmable-logic device) 중 적어도 하나를 포함할 수 있다.
다양한 실시예에 따른 장치(예: 모듈들 또는 그 기능들) 또는 방법(예: 동작들)의 적어도 일부는, 예컨대, 프로그램 모듈의 형태로 컴퓨터로 읽을 수 있는 저장매체(computer-readable storage media)에 저장된 명령어로 구현될 수 있다. 상기 명령어가 프로세서에 의해 실행될 경우, 상기 하나 이상의 프로세서가 상기 명령어에 해당하는 기능을 수행할 수 있다. 컴퓨터가 읽을 수 있는 매체는, 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 컴퓨터로 읽을 수 있는 저장매체/컴퓨터로 판독 가능한 기록 매체는, 하드디스크, 플로피디스크, 마그네틱 매체(magnetic media)(예: 자기테이프), 광기록 매체(optical media)(예: CD-ROM(compact disc read only memory), DVD(digital versatile disc), 자기-광 매체(magneto-optical media)(예: 플롭티컬 디스크(floptical disk)), 하드웨어 장치(예: ROM(read only memory), RAM(random access memory), 또는 플래시 메모리 등) 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함할 수 있다. 또한, 프로그램 명령에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상술한 하드웨어 장치는 다양한 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지다.
다양한 실시예에 따른 모듈 또는 프로그램 모듈은 전술된 구성 요소들 중 적어도 하나 이상을 포함하거나, 일부가 생략되거나, 또는 추가적인 다른 구성 요소를 더 포함할 수 있다. 다양한 실시예에 따른 모듈, 프로그램 모듈 또는 다른 구성 요소에 의해 수행되는 동작들은 순차적, 병렬적, 반복적 또는 휴리스틱(heuristic)한 방법으로 실행될 수 있다. 또한, 일부 동작은 다른 순서로 실행되거나, 생략되거나, 또는 다른 동작이 추가될 수 있다.
본 명세서에 사용된 용어 "하나"는 하나 또는 하나 이상으로 정의된다. 또한, 청구 범위에서 "적어도 하나" 및 "하나 이상"과 같은 도입 문구를 사용하는 것은, 동일한 청구항에 "적어도 하나" 및 "하나 이상"과 같은 도입 문구 및 "하나" 같은 불명료한 문구가 포함되어 있는 경우라 할지라도, 불명료한 문구 "하나"에 의한 다른 청구항 요소의 도입이 그러한 요소를 하나만을 포함하는 발명에 대해 그렇게 도입된 청구항 요소를 포함하는 임의의 특정 청구항을 제한한다는 것을 의미하는 것으로 해석되어서는 안된다.
본 문서에서, "A 또는 B" 또는 "A 및/또는 B 중 적어도 하나" 등의 표현은 함께 나열된 항목들의 모든 가능한 조합을 포함할 수 있다.
달리 명시하지 않는 한, "제1" 및 "제2"와 같은 용어는 그러한 용어가 설명하는 요소들을 임의로 구별하는 데 사용된다. 따라서, 이들 용어는 그러한 요소들의 시간적 또는 다른 우선 순위를 나타내도록 반드시 의도된 것은 아니며, 특정 수단이 서로 다른 청구항들에 열거되어 있다는 단순한 사실만으로 이러한 수단들의 조합이 유리하게 사용될 수 없다는 것을 나타내는 것은 아니다. 따라서, 이들 용어는 그러한 요소의 시간적 또는 다른 우선 순위를 나타내도록 반드시 의도되지는 않는다. 특정 조치가 서로 다른 주장에 인용되었다는 단순한 사실만으로 이러한 조치의 조합이 유용하게 사용될 수 없다는 것을 나타내지는 않는다.
동일한 기능을 달성하기 위한 구성 요소의 배열은 효과적으로 "관련"되어 원하는 기능이 달성된다. 따라서, 특정 기능성을 달성하기 위해 결합된 임의의 2 개의 구성 요소는 구조 또는 중개하는 구성 요소와 관계없이 원하는 기능이 달성되도록 서로 "관련"되는 것으로 간주될 수 있다. 마찬가지로 이와 같이 연관된 두 개의 구성 요소는 원하는 기능을 달성하기 위해 서로 "작동 가능하게 연결"되거나 "작동 가능하게 결합된" 것으로 간주될 수 있다.
또한, 통상의 기술자는 전술한 동작들의 기능성 사이의 경계가 단지 예시적인 것임을 인식할 것이다. 복수의 동작들은 단일 동작으로 결합될 수 있고, 단일 동작은 추가 동작들로 분산될 수 있으며, 동작들은 시간적으로 적어도 부분적으로 겹쳐서 실행될 수 있다. 또한, 대안적인 실시예들은 특정 동작에 대한 복수의 인스턴스들을 포함할 수 있고, 동작들의 순서는 다양한 다른 실시예에서 변경될 수 있다. 그러나, 다른 수정, 변형 및 대안이 또한 가능하다. 따라서, 상세한 설명 및 도면은 제한적인 의미가 아니라 예시적인 것으로 간주되어야 한다.
"X일 수 있다"는 문구는 조건 X가 충족될 수 있음을 나타낸다. 이 문구는 또한 조건 X가 충족되지 않을 수도 있음을 나타낸다. 예를 들어, 특정 구성 요소를 포함하는 시스템에 대한 참조는 시스템이 특정 구성 요소를 포함하지 않는 시나리오도 포함해야 한다. 예를 들어, 특정 동작을 포함하는 방법에 대한 참조는 해당 방법이 특정 구성 요소를 포함하지 않는 시나리오도 포함해야 한다. 그러나 또 다른 예를 들면, 특정 동작을 수행하도록 구성된 시스템에 대한 참조는 시스템이 특정 작업을 수행하도록 구성되지 않은 시나리오도 포함해야 한다.
용어 "포함하는", "갖는", "구성된", "이루어진" 및 "본질적으로 이루어진"은 상호 교환적으로 사용된다. 예를 들어, 임의의 방법은 적어도 도면 및/또는 명세서에 포함된 동작을 포함할 수 있으며, 도면 및/또는 명세서에 포함된 동작만을 포함할 수 있다. 또는, "포함하는"이라는 단어는 청구항에 나열된 요소들 또는 동작들의 존재를 배제하지 않는다.
통상의 기술자는 논리 블록들 사이의 경계가 단지 예시적인 것이며, 대안적인 실시 예들이 논리 블록들 또는 회로 소자들을 병합하거나 또는 다양한 논리 블록들 또는 회로 소자들 상에 기능의 대체적인 분해를 부과할 수 있음을 인식할 것이다. 따라서, 여기에 도시된 아키텍처는 단지 예시적인 것이며, 사실 동일한 기능을 달성하는 많은 다른 아키텍처가 구현될 수 있다는 것으로 이해되어야 한다.
또한, 예를 들어, 일 실시예에서, 도시된 예들은 단일 집적 회로 상에 또는 동일한 장치 내에 위치된 회로로서 구현될 수 있다. 대안적으로, 상기 예들은 임의의 수의 개별적인 집적 회로들 또는 적합한 방식으로 서로 상호 접속된 개별 장치들로서 구현될 수 있으며, 다른 변경, 수정, 변형 및 대안들이 또한 가능하다. 따라서, 명세서 및 도면은 제한적인 의미가 아니라 예시적인 것으로 간주되어야 한다.
또한, 예를 들어, 전술한 예들 또는 그 일부는, 임의의 적절한 유형의 하드웨어 기술 언어와 같은, 물리적 회로 또는 물리적 회로로 변환 가능한 논리적 표현의 소프트웨어 또는 코드 표현으로서 구현될 수 있다.
또한, 본 발명은 비 프로그래머블 하드웨어로 구현된 물리적 장치 또는 유닛으로 제한되지 않지만, 일반적으로 본원에서는 '컴퓨터 시스템'으로 표시되는 메인 프레임, 미니 컴퓨터, 서버, 워크스테이션, 개인용 컴퓨터, 노트패드(notepad), 개인용 디지털 정보 단말기(PDA), 전자 게임(electronic games), 자동차 및 기타 임베디드 시스템, 휴대전화 및 다양한 다른 무선 장치 등과 같은, 적절한 프로그램 코드에 따라 동작함으로써 원하는 장치 기능을 수행할 수 있는 프로그램 가능한 장치 또는 유닛에도 적용될 수 있다.
이 명세서에 언급된 시스템, 장치 또는 디바이스는 적어도 하나의 하드웨어 구성 요소를 포함한다.
본 명세서에 설명된 바와 같은 연결들은 예를 들어 중간 장치를 통해 각각의 노드, 유닛 또는 장치로부터 또는 각각의 노드, 유닛 또는 장치로 신호를 전송하기에 적합한 임의의 유형의 연결일 수 있다. 따라서, 묵시적으로 또는 달리 언급되지 않는 한, 연결은 예를 들어 직접 연결 또는 간접 연결일 수 있다. 연결은 단일 연결, 다수의 연결, 단방향 연결 또는 양방향 연결이라는 것을 참조하여 설명되거나 묘사될 수 있다. 그러나, 서로 다른 실시 예들은 연결의 구현을 변화시킬 수 있다. 예를 들어 양방향 연결이 아닌 별도의 단방향 연결을 사용할 수 있으며 그 반대의 경우도 가능할 수 있다. 또한, 다수의 연결은 복수의 신호를 순차적으로 또는 시간 다중화 방식으로 전송하는 단일 연결로 대체될 수 있다. 마찬가지로, 복수의 신호를 전송하는 단일 연결은 이러한 신호의 서브 세트를 전송하는 다양한 연결로 분리될 수 있다. 따라서 신호를 전송하기 위한 많은 옵션들이 존재한다.
이상에서 본 명세서의 기술에 대한 바람직한 실시 예가 첨부된 도면들을 참조하여 설명되었다. 여기서, 본 명세서 및 청구 범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정해서 해석되어서는 아니되며, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야 한다. 본 발명의 범위는 본 명세서에 개시된 실시 예들로 한정되지 아니하고, 본 발명은 본 발명의 사상 및 특허청구범위에 기재된 범주 내에서 다양한 형태로 수정, 변경, 또는 개선될 수 있다.
10: 지능형 산불 감시 시스템
100: 저전력 무선 산불 감시 장치
110: 무선 통신부
120: 영상 촬영부
130: 화재 감지부
140: 메모리
150: 입력부
160: 출력부
170: 발전부
180: 전력 공급부
190: 제어부
195: AI 장치
200: IoT 산불 감시 플랫폼
210: 서버 통신부
220: 서버 입력부
230: 서버 출력부
240: 서버 메모리
250: 서버 제어부
300: 기지국
100: 저전력 무선 산불 감시 장치
110: 무선 통신부
120: 영상 촬영부
130: 화재 감지부
140: 메모리
150: 입력부
160: 출력부
170: 발전부
180: 전력 공급부
190: 제어부
195: AI 장치
200: IoT 산불 감시 플랫폼
210: 서버 통신부
220: 서버 입력부
230: 서버 출력부
240: 서버 메모리
250: 서버 제어부
300: 기지국
Claims (9)
- 감시 영역에 대한 RGB 영상을 획득하는 RGB 이미지 센서 및 상기 감시 영역에 대한 열화상 영상을 획득하는 적외선 이미지 센서를 포함하는 영상 촬영부;
상기 감시 영역에 대한 연기 발생, 가스 발생, 및 온도/습도를 감지하는 센서들을 포함하는 화재 감지부;
저전력 광대역 통신망(LPWAN: Low Power Wide Area Network)을 이용하여 외부의 IoT 산불 감시 플랫폼과 데이터를 송수신하는 무선 통신부;
복수의 배터리를 구비하고, 상기 복수의 배터리 중 어느 하나로 구동 전력을 공급하는 전력 공급부;
전력을 생산하여 상기 복수의 배터리 중 비사용 중인 배터리를 충전하는 발전부;
상기 영상 촬영부, 상기 화재 감지부, 상기 무선 통신부, 상기 전력 공급부 및 상기 발전부와 기능적으로 연결되는 제어부를 포함하되,
상기 제어부는,
상기 영상 촬영부에서 획득한 영상 데이터 및 상기 화재 감지부에서 획득한 센서 데이터 중 적어도 하나에 기초하여 상기 감시 영역에 대한 이벤트의 발생 여부를 판단하고, 상기 이벤트 발생의 판단 결과를 상기 저전력 광대역 통신망을 통해 상기 IoT 산불 감시 플랫폼으로 전송하도록 상기 무선 통신부를 제어하되,
상기 제어부는,
제1 미리 결정된 주기로 상기 감시 영역에 대한 영상을 획득하도록 상기 영상 촬영부를 제어하고, 및 제2 미리 결정된 주기로 상기 감시 영역에 대한 센서 데이터를 획득하도록 상기 화재 감지부를 제어하고,
상기 화재 감지부에서 획득한 센서 데이터 중 적어도 하나에 기초하여 상기 감시 영역에서 제1 이벤트가 발생한 것으로 판단되면, 미리 결정된 시간 동안 상기 제1 미리 결정된 주기 보다 짧은 제3 미리 결정된 주기로 영상을 획득하도록 상기 영상 촬영부를 제어하고,
상기 화재 감지부에서 획득한 센서 데이터 중 적어도 하나 및 상기 제3 미리 결정된 주기로 획득한 상기 영상의 분석 결과에 기초하여 상기 감시 영역에서 제2 이벤트가 발생한 것이 아닌 것으로 판단되면, 상기 제1 미리 결정된 주기로 영상을 획득하도록 상기 영상 촬영부를 제어하는
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 삭제
- 제1 항에 있어서, 상기 제어부는,
상기 감시 영역을 포함하는 지역에 대한 기상청 날씨 데이터에 기초하여 상기 제1 미리 결정된 주기 및 상기 제2 미리 결정된 주기를 변동하되,
상기 감시 영역에 대한 이벤트 발생 확률에 반 비례하여 상기 제1 미리 결정된 주기 및 상기 제2 미리 결정된 주기를 조절하는
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 제1 항에 있어서, 상기 제어부는,
상기 복수의 배터리 중 제1 배터리로 구동 전원을 공급하는 동안, 상기 발전부를 통해 상기 복수의 배터리 중 제2 배터리를 충전하고, 상기 제1 배터리의 방전 전압이 임계 값 아래로 떨어지면 상기 제2 배터리를 통해 구동 전원을 공급하고, 상기 발전부를 통해 상기 제1 배터리를 충전하도록 상기 전력 공급부를 제어하는
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 제4 항에 있어서, 상기 제어부는,
상기 복수의 배터리 중 비사용 중인 배터리가 완충 될 때까지 상기 영상 촬영부 및 상기 화재 감지부의 작동 주기를 제어하여 상기 복수의 배터리 중 사용 중인 배터리의 전기 에너지의 소비량을 조절하는
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 제1 항에 있어서, 상기 발전부는,
태양 전지 및 풍력 발전기 중 적어도 하나를 포함하는
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 제1 항에 있어서, 상기 제어부는,
상기 영상 촬영부에서 획득한 영상 데이터에 기초하여 상기 감시 영역에 대한 상기 이벤트의 발생 여부를 판단하는 산불 판단 인공지능 모델을 포함하고,
상기 산불 판단 인공지능 모델은,
상기 이벤트의 발생 시, 및 상기 이벤트의 미 발생 시의 RGB 영상 및 열화상 영상을 학습하여, 상기 RGB 이미지 센서 및 상기 적외선 이미지 센서에서 획득된 영상에서 상기 이벤트의 발생을 판단하도록 훈련된
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 제1 항에 있어서, 상기 제어부는,
상기 감시 영역에 대한 상기 제2 이벤트 발생 여부의 판단 결과, 상기 제2 이벤트 발생이 판단된 경우, 상기 복수의 배터리가 방전될 때까지 상기 제2 이벤트의 발생에 대한 알람을 제4 미리 결정된 주기로 상기 저전력 광대역 통신망을 통해 외부의 IoT 모니터링 서버로 전송하도록 상기 무선 통신부를 제어하는
것을 특징으로 하는 저전력 무선 산불 감시 장치. - 제1 항에 있어서, 상기 저전력 광대역 통신망은,
LTE Category Mode 1인
것을 특징으로 하는 저전력 무선 산불 감시 장치.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220063086A KR102508615B1 (ko) | 2022-05-23 | 2022-05-23 | 저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220063086A KR102508615B1 (ko) | 2022-05-23 | 2022-05-23 | 저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102508615B1 true KR102508615B1 (ko) | 2023-03-10 |
Family
ID=85570481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220063086A KR102508615B1 (ko) | 2022-05-23 | 2022-05-23 | 저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102508615B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116608378A (zh) * | 2023-05-26 | 2023-08-18 | 孙运文 | 一种智慧林业用火灾监控装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130143262A (ko) * | 2012-06-21 | 2013-12-31 | 김강이 | 태양광을 이용한 무정전 하이브리드 무선 감시 카메라 시스템 |
| KR101624510B1 (ko) * | 2015-11-02 | 2016-05-26 | (주)코렉스시스템 | 다기능 범죄·화재감시 추적 시스템 |
| KR101911046B1 (ko) | 2016-10-31 | 2018-10-24 | 주식회사 휴인스 | 산불감시 및 교량수위감시 모드를 갖는 드론 시스템 |
| KR102216961B1 (ko) * | 2020-03-26 | 2021-02-19 | 주식회사 인콘 | 화재 감시 모니터링 장치 및 방법 |
| KR102368191B1 (ko) * | 2021-06-11 | 2022-02-28 | 주식회사 웹게이트 | 인공지능 기반의 연기 및 화재 감지가 가능한 ｃｃｔｖ 카메라 장치 |
-
2022
- 2022-05-23 KR KR1020220063086A patent/KR102508615B1/ko active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130143262A (ko) * | 2012-06-21 | 2013-12-31 | 김강이 | 태양광을 이용한 무정전 하이브리드 무선 감시 카메라 시스템 |
| KR101624510B1 (ko) * | 2015-11-02 | 2016-05-26 | (주)코렉스시스템 | 다기능 범죄·화재감시 추적 시스템 |
| KR101911046B1 (ko) | 2016-10-31 | 2018-10-24 | 주식회사 휴인스 | 산불감시 및 교량수위감시 모드를 갖는 드론 시스템 |
| KR102216961B1 (ko) * | 2020-03-26 | 2021-02-19 | 주식회사 인콘 | 화재 감시 모니터링 장치 및 방법 |
| KR102368191B1 (ko) * | 2021-06-11 | 2022-02-28 | 주식회사 웹게이트 | 인공지능 기반의 연기 및 화재 감지가 가능한 ｃｃｔｖ 카메라 장치 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116608378A (zh) * | 2023-05-26 | 2023-08-18 | 孙运文 | 一种智慧林业用火灾监控装置 |
| CN116608378B (zh) * | 2023-05-26 | 2024-02-09 | 孙运文 | 一种智慧林业用火灾监控装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11619413B2 (en) | Intelligent air cleaner, indoor air quality control method and control apparatus using intelligent air cleaner | |
| KR20190106932A (ko) | 지능형 공기 청정기를 이용한 실내 공기질 제어방법 및 제어 장치 | |
| KR20190106929A (ko) | 머신 러닝을 이용한 공기청정기의 필터 수명 예측방법 | |
| US9749528B1 (en) | Multi-stage wakeup battery-powered IP camera | |
| KR102508615B1 (ko) | 저전력 이동통신 기반 무선 산불 감지 및 확산 알림 장치 | |
| KR20190108086A (ko) | 상황 정보에 기반한 지능형 디바이스의 조도 제어 방법 및 지능형 디바이스 | |
| US20190020827A1 (en) | Pre-roll image capture implemented by a power-limited security device | |
| CN210006179U (zh) | 一种居家监控服务系统 | |
| US10453328B2 (en) | Systems and methods for crowdsourcing detected events | |
| US20200090643A1 (en) | Speech recognition method and device | |
| KR102672220B1 (ko) | 지능형 로봇 청소기 | |
| Liu et al. | A binary-classification-tree based framework for distributed target classification in multimedia sensor networks | |
| Hsieh et al. | Device-free indoor human activity recognition using Wi-Fi RSSI: Machine learning approaches | |
| CN109314930B (zh) | 用户设备中的传感器数据采集 | |
| US11591736B2 (en) | Artificial intelligent based clothes handling apparatus and driving method of the same | |
| US11283873B2 (en) | IoT sensor fusion | |
| CN111158062A (zh) | 一种人体存在检测方法及系统 | |
| US11076161B2 (en) | Notification priority sequencing for video security | |
| US20170208445A1 (en) | Notification system and method of environment abnormality | |
| US11856344B2 (en) | Self-powered sensor, and monitoring system including same | |
| US11756390B2 (en) | Notification priority sequencing for video security | |
| Liu et al. | Forest fire detection using artificial neural network algorithm implemented in wireless sensor networks | |
| CN114543312A (zh) | 新风设备控制方法、装置、计算机设备以及介质 | |
| US20230030851A1 (en) | Devices and methods for low power adaptive channel sensing | |
| KR20230120168A (ko) | Ai 예측 모델 및 센서 모니터링을 이용한 폐배터리 열폭주 예방시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |