KR102616473B1 - 열화상 카메라를 이용한 산업현장 화재 예측시스템 - Google Patents

열화상 카메라를 이용한 산업현장 화재 예측시스템 Download PDF

Info

Publication number
KR102616473B1
KR102616473B1 KR1020230019493A KR20230019493A KR102616473B1 KR 102616473 B1 KR102616473 B1 KR 102616473B1 KR 1020230019493 A KR1020230019493 A KR 1020230019493A KR 20230019493 A KR20230019493 A KR 20230019493A KR 102616473 B1 KR102616473 B1 KR 102616473B1
Authority
KR
South Korea
Prior art keywords
pixel
module
temperature
fire
value
Prior art date
Application number
KR1020230019493A
Other languages
English (en)
Inventor
김경천
Original Assignee
주식회사 지앤케이솔루션즈
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 주식회사 지앤케이솔루션즈 filed Critical 주식회사 지앤케이솔루션즈
Priority to KR1020230019493A priority Critical patent/KR102616473B1/ko
Application granted granted Critical
Publication of KR102616473B1 publication Critical patent/KR102616473B1/ko

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G01J5/60—Radiation pyrometry, e.g. infrared or optical thermometry using determination of colour temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Emergency Management (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Manufacturing & Machinery (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

본 발명은 산업현장에 열화상 카메라들을 설치함과 동시에 열화상 카메라의 열추적에 의해 획득된 열화상을 분석하여, 화재를 예측 및 감지하되, 해당 공정 설비의 가동 상태와 가동/미가동 경과시간(△t)에 따른 각 픽셀의 온도-최적값(C’)을 기반으로, 화재를 예측 및 감지하며, 기 설정된 주기(T) 마다 각 픽셀의 온도-최적값(C’)을 최적화하며, 각 부품의 가동 상태 시, 평균온도(C)를 이용하여 교체 및 점검이 필요한 부품을 추천함으로써 부품들에 따라 발열-온도가 각기 다르게 방출되는 특성을 감안하여, 화재 감지 및 예측의 정확성 및 신뢰도를 획기적으로 높일 뿐만 아니라 예측 및 판단의 오류를 절감시켜 불필요한 인력 및 시간 소모를 절감시킬 수 있으며, 노후 및 파손된 부품의 교체가 신속하고 정확하게 이루어질 수 있는 열화상 카메라를 이용한 산업현장 화재 예측시스템에 관한 것이다.

Description

열화상 카메라를 이용한 산업현장 화재 예측시스템{Industrial site fire perdiction system using thermal imaging camera}
본 발명은 열화상 카메라를 이용한 산업현장 화재 예측시스템에 관한 것으로서, 상세하게로는 산업현장에 열화상 카메라들을 설치함과 동시에 열화상 카메라의 열추적에 의해 획득된 열화상을 분석하여, 화재를 예측 및 감지하되, 해당 공정 설비의 가동 상태와 가동/미가동 경과시간(△t)에 따른 각 픽셀의 온도-최적값(C’)을 기반으로, 화재를 예측 및 감지하며, 기 설정된 주기(T) 마다 각 픽셀의 온도-최적값(C’)을 최적화하며, 각 부품의 가동 상태 시, 평균온도(C)를 이용하여 교체 및 점검이 필요한 부품을 추천함으로써 부품들에 따라 발열-온도가 각기 다르게 방출되는 특성을 감안하여, 화재 감지 및 예측의 정확성 및 신뢰도를 획기적으로 높일 뿐만 아니라 예측 및 판단의 오류를 절감시켜 불필요한 인력 및 시간 소모를 절감시킬 수 있으며, 노후 및 파손된 부품의 교체가 신속하고 정확하게 이루어질 수 있는 열화상 카메라를 이용한 산업현장 화재 예측시스템에 관한 것이다.
열화상 카메라는 피사체에서 발생되는 고유한 복사에너지로부터 방출되는 적외선 파장을 수집하여 출력되는 전기적신호를 인간이 인식할 수 있는 이미지 또는 영상으로 변환하는 장치이며, 감시용, 산업용, 연구용, 의료용, 군사용 등의 다양한 목적으로 널리 사용되고 있다.
특히 열화상 카메라는 피사체에 대한 이차원 온도분포가 표현된 영상을 획득할 수 있는 장점으로 인해 화재 감시시스템, 화재 예측시스템 및 화재 모니터링 시스템 등에 널리 사용되고 있고, 그 수요도가 더욱 증가할 전망이다.
특히 산업현장에는 공정-라인에 따라, 기 할당된 공정 작업을 수행하는 다수의 공정 설비들이 설치되고, 이러한 공정 설비는 기본적으로 모터, 전기 등을 활용하여 부품의 동작이 반복되기 때문에 발열, 과열 현상이 빈번하게 발생하는 특성을 갖는다.
또한 공정 설비는 다수의 복잡한 부품 중 어느 하나에서 장애 및 에러가 발생하는 경우, 장애 및 에러로 인해 모터 과부하, 전원 과부하 등의 현상이 발생하여, 화재가 발생할 확률이 매우 높고, 산업현장에서의 화재 사고는 폭발, 연쇄 화재의 위험도가 높을 뿐만 아니라 경제적피해가 크므로, 사전에 화재를 예측 및 감지하기 위한 화재 감지 시스템에 대한 연구가 다양하게 이루어지고 있다.
도 1은 국내등록특허 제10-1946336호(발명의 명칭 : 공작기계 화재발생 방지 장치 및 그의 제어방법)에 개시된 화재발생 방지 장치를 나타내는 블록도이다.
도 1의 화재발생 방지 장치(이하 종래기술이라고 함)(100)는 공작기계 및 주변부의 실시간 영상 정보를 제공하는 영상카메라부(101)와, 공작기계 및 주변부의 일정 온도 도달여부를 감지하는 열감지장치부(102)와, 공작기계 및 주변부를 온도에 따라 다른 색으로 표현하여 실시간 영상을 촬영하는 열화상 카메라부(103)와, 공작기계의 구동을 제어할 수 있는 공작기계제어부(104)와, 공작기계의 가공 진행상황과 장비 운용상태 정보를 제공하는 상태정보부(105)와, 각 구성부를 유선 또는 무선으로 연결하여 데이터 송수신이 가능할 수 있도록 하는 유무선 네트워크 연결장치부(106)와, 각 구성부의 데이터를 종합하여 상태정보를 확인함과 동시에 운영관리를 수행하며 상황발생 시 내부관리자단말(111), 화재통제기관(112) 및 외부관리자단말(113)로 문자알림을 발송하는 종합관리서버(107)로 이루어진다.
이와 같이 구성되는 종래기술(100)은 열감지장치부(102) 및 열화상 카메라부(103)에 의해 획득된 데이터를 통해 공작기계에서 작업 수행 간 발생될 수 있는 기계적 충격, 마찰, 오동작 등과 같은 요인에 의해 발생될 수 있는 기준 이상의 열이 일정 시간 이상으로 지속될 시 이에 따른 화재 위험을 신속히 감지할 수 있을 뿐만 아니라 화재 감지 시, 관리자에게 알림을 전송하면서 기계 동작을 제어하여 화재에 대한 신속한 대응이 이루어지게 된다.
일반적으로, 각 공정 설비는 다수 부품들의 조립으로 구성되고, 각 공정 기기의 부품들은 위치, 기능 등에 따라 각기 다른 온도로 발열되는 특성을 갖는다.
예를 들어, 고온-가스를 분사시키는 공정 설비의 부품인 고온분사노즐의 경우, 상대적으로 높은 발열-온도를 방출하고, 공정 대상을 냉각시키기 위한 공정 설비의 부품인 프레온가스 노즐의 경우, 상대적으로 낮은 발열-온도를 방출하게 된다.
그러나 종래기술(100)은 이러한 공정 설비의 부품별로 발열-온도가 각기 다른 특성을 전혀 감안하지 않고, 단순히 모든 픽셀을 설정온도와의 비교를 통해 화재 발생 여부를 판단하기 때문에 판단의 정확성 및 신뢰도가 떨어지는 문제점이 발생하고, 이러한 오류는 관리자 방문, 소방기관 출동 등의 불필요한 후속 대응을 유발하므로, 시간, 인력 및 비용 낭비가 증가하는 단점을 갖는다.
또한 종래기술(100)은 공정 설비가 가동 중인지 또는 미가동 중인지에 따라 각 부품의 발열-온도가 달라지는 특성을 전혀 감안하지 않아, 공정 기계의 가동 여부와 상관없이, 동일한 조건으로 화재를 예측 및 감지하기 때문에 화재 감지 및 예측의 정밀도가 더욱 저하되는 문제점이 발생한다.
즉 종래기술(100)은 열화상 카메라부(103)에 의해 검출된 현재 온도만을 기반으로, 화재 감지 및 후속 대응이 이루어지기 때문에 화재가 감지되기 이전에 화재를 예측하지 못하는 문제점이 발생한다.
본 발명은 이러한 문제를 해결하기 위한 것으로, 본 발명의 해결과제는 열화상 카메라를 이용하여 산업현장(S)의 각 작업영역(S’)에 대한 화재를 예측 및 감지함과 동시에 화재 예측 및 감지 시, 알람경고를 외부로 표출하며 관리자 단말기로 알람 정보를 전송함으로써 산업현장 화재를 미연에 방지할 수 있을 뿐만 아니라 화재 발생 시, 신속한 후속 대처가 이루어질 수 있으며, 저장된 열화상을 감시 및 증거로 사용할 수 있는 산업현장 화재 예측시스템을 을 제공하기 위한 것이다.
또한 본 발명의 다른 해결과제는 로컬서버가 열화상 분석 시, 각 픽셀의 온도값(C)을 검출한 후, 최적화된 각 픽셀별 온도-최적값(C’)과 온도값(C)의 차이값(△C)을 산출하며, 산출된 차이값(△C)을 기반으로 화재-픽셀을 결정하도록 구성됨으로써 가동 시, 발열 온도가 서로 상이한 부품들의 특성을 감안하여, 화재 예측 및 감지의 정확성 및 신뢰도를 획기적으로 높일 수 있으며, 예측 및 판단의 오류로 인한 불필요한 인력 및 시간 소모를 절감시킬 수 있는 산업현장 화재 예측시스템을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 공정 설비(M)의 동작 모드와, 경과시간(△t)에 따른 온도-최적값(C’)들을 활용하여, 화재를 예측 및 감지하도록 구성됨으로써 화재 예측 및 감지의 정확성 및 신뢰도를 더욱 개선시킬 수 있는 산업현장 화재 예측시스템을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 기 설정된 주기(T) 마다 각 픽셀별 온도-최적값(C’)들을 최적화하도록 구성됨으로써 각 픽섹별 온도-최적값(C’)이 고정된 것이 아니라, 현재 조건에 대응하여 최적화되므로, 더욱 정확하게 화재를 예측 및 감지할 수 있는 산업현장 화재 예측시스템을 제공하기 위한 것이다.
또한 본 발명의 또 다른 해결과제는 화재 모니터링 서버가 AI알고리즘을 이용하여, 점검 및 교체가 필요한 부품을 추천하도록 구성됨으로써 부품 노후, 파손, 결합 해제 등으로 인한 화재사고를 미연에 효과적으로 방지할 수 있으며, 화재로 인한 안전사고 및 경제적 피해를 절감시킬 수 있는 산업현장 화재 예측시스템을 제공하기 위한 것이다.
상기 과제를 해결하기 위한 본 발명의 해결수단은 산업현장(S)의 공정-라인에 따라 설치되되, 복수개의 부품들을 포함하는 공정 설비(M)들 중, 적어도 하나 이상의 열을 추적하여 열화상을 획득하는 열화상 카메라들; 상기 열화상 카메라들로부터 전송받은 열화상을 분석하여, 화재를 예측 및 감지하는 로컬서버를 포함하고, 상기 로컬서버는 상기 열화상 카메라들로부터 전송받은 열화상들을 분석한 후, 각 열화상에 대하여, 각 픽셀별 온도값(C)을 검출하는 각 픽셀별 온도값 검출모듈; 해당 열화상에 대응하는 공정 설비(M)의 식별정보 및 각 픽셀별 온도값(C) 정보를 매칭시켜 수집데이터를 생성하는 수집데이터 생성모듈; 상기 수집데이터 생성모듈에 의해 생성된 수집데이터를 활용하여, 각 픽셀별 온도값(C)에서 기 설정된 각 픽셀별 온도-최적값(C’)을 차감하여 각 픽셀별 차이값(△C, △C = C - C’)을 산출한 후, 산출된 각 픽셀별 차이값(△C)을, 화재를 예측 또는 발생하였다고 판단할 수 있는 차이값(△C)의 최솟값인 설정값(TH, Threshold)과 비교하며, 설정값(th) 이상인 차이값(△C)을 갖는 픽셀이 기 설정된 임계시간까지 지속될 때, 화재가 예측 또는 발생하였다고 판단하는 화재 예측 및 감지모듈; 상기 공정 설비(M)들과 연동하여, 각 공정 설비(M)의 동작-모드를 ‘가동 상태’ 또는 ‘미가동 상태’로 판별하는 가동 여부 판별모듈; 각 공정 설비(M)에 대한 각 동작-모드별로 각 픽셀의 온도-최적값이 매칭된 기준테이블이 저장되는 메모리를 더 포함하고, 상기 수집데이터 생성모듈은 해당 열화상에 대응하는 공정 설비(M)의 식별정보, 동작-모드 정보 및 각 픽셀별 온도값(C) 정보를 매칭시켜 수집데이터를 생성하고, 상기 화재 예측 및 감지모듈은 각 픽셀별 차이값(△C) 산출 시, 상기 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드에 대응하는 각 픽셀별 온도-최적값(C’)을 추출한 후, 각 픽셀별 차이값(△C)에 추출된 각 픽셀별 온도-최적값(C’)을 차감하여 각 픽셀별 차이값(△C)을 산출하고, 상기 기준테이블은 각 공정 설비(M)에 대한 각 동작-모드의 경과시간 범위별로 각 픽셀의 온도-최적값(C’)이 매칭되고, 상기 가동 여부 판별모듈은 1)미가동 상태인 공정 설비(M)가 가동되면, 해당 공정 설비(M)의 가동 경과시간(△t)을 측정하며, 가동이 정지되면, 가동 경과시간(△t)의 측정을 종료하며, 2)가동 상태인 공정 설비(M)의 가동이 중지되면, 해당 공정 설비(M)의 미가동 경과시간(△t)을 측정하며, 다시 재가동되면, 미가동 경과시간(△t)의 측정을 종료하고, 상기 수집데이터 생성모듈은 상기 가동 여부 판별모듈에서 측정된 가동/미가동 경과시간(△t)를 추가하여 수집데이터를 생성하고, 상기 화재 예측 및 감지모듈은 각 픽셀별 차이값(△C) 산출 시, 상기 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드 및 경과시간(△t)의 범위에 대응하는 각 픽셀별 온도-최적값(C’)을 추출한 후, 각 픽셀별 차이값(△C)에 추출된 각 픽셀별 온도-최적값(C’)을 차감하여 각 픽셀별 차이값(△C)을 산출하는 것이다.
삭제
삭제
또한 본 발명에서상기 화재 예측 및 감지모듈은 상기 수집데이터 생성모듈에서 생성된 수집데이터를 입력받는 수집데이터 추출모듈; 상기 메모리를 탐색하여, 해당 열화상에 대응하는 기준테이블을 입력받는 기준테이블 입력모듈; 상기 기준테이블 입력모듈에 의해 입력된 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드 및 가동/미가동 경과시간(△t)에 대응하는 각 픽셀별 온도-최적값(C’)을 추출하는 기준테이블 탐색 및 데이터 추출모듈; 각 픽셀별로, 온도값(C)에서 온도-최적값(C’)을 차감하여, 각 픽셀별 차이값(△C)을 산출하는 각 픽셀별 차이값 산출모듈; 상기 각 픽셀별 차이값 산출모듈에서 산출된 각 픽셀별 차이값(△C)을 상기 설정값(TH)과 비교하는 설정값 비교모듈; 상기 설정값 비교모듈에서, 상기 설정값(TH) 이상인 차이값(△C)을 갖는 픽셀들을 후보-픽셀로 선정하는 후보-픽셀 선정모듈; 상기 후보-픽셀 선정모듈에서 선정된 각 후보-픽셀의 차이값(△C)이 상기 설정값(TH) 이상인 상태가 기 설정된 임계시간까지 지속되는지를 추적하는 추적모듈; 상기 추적모듈에서, 상기 임계시간 동안 차이값(△C)이 상기 설정값(TH) 이상인 상태가 지속되는 후보-픽셀을, 화재-픽셀로 결정함과 동시에 해당 작업영역(S‘)에서 화재가 예측 또는 발생하였다고 판단하는 화재 여부 판단모듈을 포함하는 것이 바람직하다.
또한 본 발명에서상기 로컬서버는 기 설정된 주기(T) 마다 실행되는 최적화 모듈을 더 포함하고, 상기 최적화 모듈은 현재 시점부터 M번째 이전 주기 동안의 수집데이터들을 상기 메모리로부터 추출하는 수집데이터 추출모듈; 상기 수집데이터 추출모듈에 의해 추출된 수집데이터들을 동작-모드에 따라 ’가동 상태‘의 집합군 또는 ’미가동 상태‘의 집합군으로 분류하는 동작-모드별 분류모듈; 상기 동작-모드별 분류모듈에 의해 분류된 각 집합군의 수집데이터들을 경과시간(△t)을 기준으로 정렬하는 경과시간 기반 정렬모듈; 상기 경과시간 기반 정렬모듈에 의해 정렬된 각 집합군의 수집데이터들을, 기 설정된 경과시간 범위에 따른 소집합군들로 분류시키는 경과시간 범위 기준 분류모듈; 상기 경과시간 범위 기준 분류모듈에서 분류된 각 집합군의 소집합군별로 동일-픽셀들을 군집시키는 동일-픽셀 군집모듈; 상기 동일-픽셀 군집모듈에 의해 군집된 동일-픽셀들의 온도값(C)들의 평균을 산출하여, 각 동일-픽셀의 평균-온도값을 산출하는 평균-온도값 산출모듈; 상기 평균-온도값 산출모듈에서 산출된 평균-온도값을 해당 픽셀의 온도-최적값(C’)으로 결정하는 방식으로, 각 동작-모드의 경과시간 범위별 각 픽셀 온도-최적값(C’)을 설정하는 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈; 상기 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈에서 설정된 각 동작-모드의 경과시간 범위별 각 픽셀 온도-최적값(C’)들을 매칭시켜 기준테이블을 생성 및 갱신하는 기준테이블 생성 및 갱신모듈을 포함하는 것이 바람직하다.
또한 본 발명에서 상기 산업현장 화재 예측시스템은 상기 로컬서버로부터 전송받은 열화상, 수집데이터 및 기준테이블을 저장 및 모니터링하는 화재 모니터링 서버를 더 포함하고, 상기 화재 모니터링 서버는 수집데이터에 포함된 각 픽셀의 온도값(C)과, 기준테이블, 각 픽셀별 부품정보가 매칭된 기 설정된 매칭데이터를 입력데이터로 하여, 교체 및 점검이 필요한 부품인 점검대상-부품을 출력하는 AI알고리즘이 저장되며, 상기 로컬서버로부터 수집데이터를 전송받으면, 상기 AI알고리즘을 이용하여, 전송받은 수집데이터, 기준테이블 및 매칭데이터를 분석하여, 점검대상-부품을 출력하며, 출력된 점검대상-부품 식별정보를 포함하는 점검 요청데이터를 생성한 후, 상기 로컬서버로 전송하고, 상기 로컬서버는 상기 화재 모니터링 서버로부터 점검 요청데이터를 전송받으면, 전송받은 점검 요청데이터를 모니터에 디스플레이 하는 것이 바람직하다.
상기 과제와 해결수단을 갖는 본 발명에 따르면 열화상 카메라를 이용하여 산업현장(S)의 각 작업영역(S’)에 대한 화재를 예측 및 감지함과 동시에 화재 예측 및 감지 시, 알람경고를 외부로 표출하며 관리자 단말기로 알람 정보를 전송함으로써 산업현장 화재를 미연에 방지할 수 있을 뿐만 아니라 화재 발생 시, 신속한 후속 대처가 이루어질 수 있으며, 저장된 열화상을 감시 및 증거로 사용할 수 있게 된다.
또한 본 발명에 의하면 로컬서버가 열화상 분석 시, 각 픽셀의 온도값(C)을 검출한 후, 최적화된 각 픽셀별 온도-최적값(C’)과 온도값(C)의 차이값(△C)을 산출하며, 산출된 차이값(△C)을 기반으로 화재-픽셀을 결정하도록 구성됨으로써 가동 시, 발열 온도가 서로 상이한 부품들의 특성을 감안하여, 화재 예측 및 감지의 정확성 및 신뢰도를 획기적으로 높일 수 있다.
또한 본 발명에 의하면 공정 설비(M)의 동작 모드와, 경과시간(△t)에 따른 온도-최적값(C’)들을 활용하여, 화재를 예측 및 감지하도록 구성됨으로써 화재 예측 및 감지의 정확성 및 신뢰도를 더욱 개선시킬 수 있으며, 예측 및 판단의 오류로 인한 불필요한 인력 및 시간 소모를 절감시킬 수 있게 된다.
또한 본 발명에 의하면 기 설정된 주기(T) 마다 각 픽셀별 온도-최적값(C’)들을 최적화하도록 구성됨으로써 각 픽셀별 온도-최적값(C’)이 고정된 것이 아니라, 현재 조건에 대응하여 최적화되므로, 더욱 정확하게 화재를 예측 및 감지할 수 있게 된다.
또한 본 발명에 의하면 화재 모니터링 서버가 AI알고리즘을 이용하여, 점검 및 교체가 필요한 부품을 추천하도록 구성됨으로써 부품 노후, 파손, 결합해제 등으로 인한 화재사고를 미연에 효과적으로 방지할 수 있다.
도 1은 국내등록특허 제10-1946336호(발명의 명칭 : 공작기계 화재발생 방지 장치 및 그의 제어방법)에 개시된 화재발생 방지 장치를 나타내는 블록도이다.
도 2는 본 발명의 일실시예인 산업현장 화재 예측시스템을 나타내는 구성도이다.
도 3은 도 2를 나타내는 개념도이다.
도 4는 도 2의 로컬서버를 나타내는 블록도이다.
도 5는 도 4의 화재 예측 및 감지모듈을 나타내는 블록도이다.
도 6은 도 5의 최적화 모듈을 나타내는 블록도이다.
이하, 첨부된 도면을 참조하여 본 발명의 일실시예를 설명한다.
도 2는 본 발명의 일실시예인 산업현장 화재 예측시스템을 나타내는 구성도이고, 도 3은 도 2를 나타내는 개념도이다.
도 2는 본 발명의 일실시예인 산업현장 화재 예측시스템(1)은 산업현장에 열화상 카메라들을 설치함과 동시에 열화상 카메라의 열추적에 의해 획득된 열화상을 분석하여, 화재를 예측 및 감지하되, 해당 공정 설비의 가동 상태와 가동/미가동 경과시간(△t)에 따른 각 픽셀의 온도-최적값(C’)을 기반으로, 화재를 예측 및 감지하며, 기 설정된 주기(T) 마다 각 픽셀의 온도-최적값(C’)을 최적화하며, 각 부품의 가동 상태 시, 평균온도(C)를 이용하여 교체 및 점검이 필요한 부품을 추천함으로써 부품들에 따라 발열-온도가 각기 다르게 방출되는 특성을 감안하여, 화재 감지 및 예측의 정확성 및 신뢰도를 획기적으로 높일 뿐만 아니라 예측 및 판단의 오류를 절감시켜 불필요한 인력 및 시간 소모를 절감시킬 수 있으며, 노후 및 파손된 부품의 교체가 신속하고 정확하게 이루어지도록 하기 위한 것이다.
또한 본 발명의 산업현장 화재 예측시스템(1)은 도 2와 3에 도시된 바와 같이, 산업현장(S)의 각 작업영역(S’)에 설치되어, 공정 설비(M) 또는 현장을 열-추적하여 열화상을 획득하는 열화상 카메라(7)들과, 열화상 카메라(7)들로부터 전송받은 열화상을 분석하여, 화재를 감지 및 예측하는 로컬서버(5-1), ..., (5-N)들과, 로컬서버(5-1), ..., (5-N)들로부터 전송받은 열화상 및 분석데이터를 저장 및 모니터링 함과 동시에 교체 및 점검이 필요한 공정 설비의 부품을 추천하는 화재 모니터링 서버(3)와, 화재 모니터링 서버(3) 및 로컬서버(5-1), ..., (5-N)들 사이의 데이터 이동경로를 제공하는 통신망(10)으로 이루어진다.
이때 산업현장(S)은 작업영역(S’)들로 분할되고, 각 작업영역(S’)에는 적어도 하나 이상의 공정 설비(M)와 적어도 하나 이상의 열화상 카메라(5)가 설치되고, 로컬서버(5)는 열화상 카메라(5)들과 유무선 통신망으로 연결되어 열화상 카메라(5)들로부터 열추적에 의해 획득된 열화상을 전송받는다.
통신망(10)은 화재 모니터링 서버(3) 및 로컬서버(5-1), ..., (5-N)들 사이의 데이터 통신을 지원하며, 상세하게로는 광역통신망(WAN), LAN(Local Area Network)망, VAN(Value Added Network)망, 3G/4G/LTE/5G 등으로 구축될 수 있다.
공정 설비(M)들은 각 작업영역(S’)에 적어도 하나 이상 설치되며, 다수의 부품들의 조립으로 설계되어, 기 할당된 공정을 실행하는 공작기계이다.
열화상 카메라(7)들은 각 작업영역(S’)에 설치되며, 피사체에서 발생하는 고유한 복사에너지로부터 방출되는 적외선 파장을 수집하여 출력되는 전기적신호를 인간이 인식할 수 있는 열화상으로 변환하는 장치이다.
또한 열화상 카메라(7)들은 해당 작업영역(S’)에 배치된 공정 설비(M)를 포함하는 감지영역(S’‘)에 대한 열화상을 획득하도록, PTZ(Pan-Tilt-Zoom)가 최적값으로 설치된다.
또한 열화상 카메라(7)들은 기 설정된 추적영역(S’‘)에 대한 열추적을 통해 열화상이 획득되면, 유무선 통신망을 통해 획득된 열화상을 로컬서버(5)로 전송한다.
로컬서버(5-1), ..., (5-N)들은 각 산업현장(S)에 설치되는 서버이며, 해당 산업현장(S)의 열화상 카메라(7)들과 유무선 통신망으로 연결되어, 열화상 카메라(7)들로부터 전송받은 열화상을 저장함과 동시에 화재 모니터링 서버(3)로 전송한다.
또한 로컬서버(5-1), ..., (5-N)들은 열화상 카메라(7)들로부터 전송받은 열화상을 분석하여, 화재를 예측 및 감지하며, 화재 예측 및 감지 시, 알람표출수단을 이용하여 경고 알람을 외부로 표출함과 동시에 관리자 단말기로 알람 정보를 전송함으로써 화재 예측 및 감지에 대한 신속한 후속대처가 이루어지도록 한다.
또한 로컬서버(5)는 열화상 분석 시, 공정 설비의 가동 상태와 가동/미가동 경과시간(△t)에 따른 각 픽셀의 온도-최적값(C’)을 기반으로, 화재를 예측 및 감지한다. 이때 로컬서버(5)에서 화재를 예측 및 감지하는 기술 및 방법은 후술되는 도 4에서 상세하게 설명하기로 한다.
또한 로컬서버(5)는 각 픽셀의 온도값(C)이 검출되면, 각 픽셀의 온도값(C)들을 매칭시켜 수집데이터를 생성한 후, 생성된 수집데이터를 화재 모니터링 서버(3)로 전송한다.
화재 모니터링 서버(3)는 로컬서버(5-1), ..., (5-N)들로부터 전송받은 열화상 및 화재 경고데이터를 저장 및 모니터링 한다.
또한 화재 모니터링 서버(3)는 화재 예측 및 감지 시, 기 설정된 후속절차 매뉴얼에 따른 동작을 수행한다.
일례로, 화재 감지 시, 화재 모니터링 서버(3)의 후속절차 매뉴얼은 소방기관으로 화재 정보를 전달하는 것일 수 있다.
또한 화재 모니터링 서버(3)는 기 학습된 AI 알고리즘을 이용하여, 가동 상태의 각 픽셀의 온도값(C)과, 가동 상태의 각 픽셀의 통계값과, 해당 열화상의 각 픽셀별 부품정보가 매칭된 매칭데이터를 분석하여, 교체 및 점검이 필요한 부품(이하 점검대상-부품이라고 함)을 출력하며, 출력된 점검대상-부품을 포함하는 점검 요청데이터를 해당 산업현장(S)의 로컬서버(5)로 전송한다.
이때 로컬서버(5)는 화재 모니터링 서버(3)로부터 점검요청데이터를 전송받으면, 전송받은 점검요청데이터를 모니터에 디스플레이 함과 동시에 관리자 단말기(미도시)로 전송함으로써 관리자가 점검 요청된 부품에 대한 신속한 점검 및 교체가 이루어져, 화재사고를 미연에 효과적으로 방지할 수 있게 된다.
도 4는 도 2의 로컬서버를 나타내는 블록도이다.
도 4의 로컬서버(5)는 각 산업현장(S)에 설치되며, 열화상 카메라(7)들과 유무선 통신망으로 연결되되, 화재 모니터링 서버(3)와 통신망(10)으로 연결되어, 기 할당된 작업영역(S’)들의 화재를 예측 및 감시하기 위한 서버이다.
또한 로컬서버(5)는 도 4에 도시된 바와 같이, 제어모듈(50)과, 메모리(50‘), 통신 인터페이스모듈(51), 가동 여부 판단모듈(52), 열화상 분석모듈(53), 각 픽셀별 온도값 검출모듈(54), 수집데이터 생성모듈(55), 화재 예측 및 감지모듈(56), 화재 경고데이터 생성모듈(57), 알람표출모듈(58), 점검 요청데이터 전시모듈(59), 최적화 모듈(60)로 이루어진다.
제어모듈(50)은 로컬서버(5)의 O.S(Operating System)이며, 제어대상(50’), (51), (52), (53), (54), (55), (56), (57), (58), (59)들의 동작을 관리 및 제어한다.
또한 제어모듈(50)은 통신 인터페이스모듈(52)을 통해 열화상 카메라(7)들로부터 열화상을 수신받으면, 수신받은 열화상을 메모리(50‘)에 저장함과 동시에 열화상 분석모듈(53)로 입력하며, 통신 인터페이스모듈(52)을 제어하여 화재 모니터링 서버(3)로 전송한다.
또한 제어모듈(50)은 기 설정된 주기(T) 마다, 최적화 모듈(60)을 실행시킨다.
또한 제어모듈(50)은 화재 예측 및 감지모듈(56)에서 화재가 예측 또는 감지되면, 화재 경고데이터 생성모듈(57) 및 알람표출모듈(58)을 실행시킴과 동시에 화재 경고데이터가 화재 모니터링 서버(3)로 전송되도록 통신 인터페이스모듈(52)을 제어한다.
또한 제어모듈(50)은 수집데이터 생성모듈(55)에서 수집데이터가 생성되면, 생성된 수집데이터가 화재 모니터링 서버(3)로 전송되도록 통신 인터페이스모듈(52)을 제어한다.
또한 제어모듈(50)은 통신 인터페이스모듈(52)을 통해 화재 모니터링 서버(3)로부터 점검 요청데이터를 전송받으면, 전송받은 점검 요청데이터를 점검 요청데이터 전시모듈(59)로 입력한다.
메모리(50‘)에는 각 작업영역(S’)의 위치정보와, 각 열화상 카메라(7)의 설치위치 및 통신식별정보가 기 설정되어 저장된다.
또한 메모리(50‘)에는 열화상 카메라(7)들의 열추적에 의해 획득된 열화상들이 임시 저장된다.
또한 메모리(50‘)에는 각 픽셀별 온도값 검출모듈(54)에 의해 검출된 각 픽셀별 온도값(C) 정보가 저장된다.
또한 메모리(50’)에는 수집데이터 생성모듈(55) 및 화재 경고데이터 생성모듈(57)에서 생성된 수집데이터 및 화재 경고데이터가 저장된다.
또한 메모리(51)에는 최적화 모듈(60)에 의해 최적화된, 각 공정 설비(M)에 대한 각 동작-모드(‘가동 상태’ 또는 ‘미가동 상태’)의 경과시간 범위별 각 픽셀의 온도-최적값(C’)이 매칭된 기준테이블이 저장된다.
또한 메모리(50‘)에는 각 공정 설비의 부품정보, 각 부품의 식별정보, 각 부품의 설치위치정보 등을 포함하는 설비상세정보가 기 설정되어 저장된다.
통신 인터페이스모듈(51)은 화재 모니터링 서버(3) 및 열화상 카메라(7)들과 데이터를 송수신한다.
가동 여부 판단모듈(52)은 각 공정 설비(M)의 PLC(미도시)와 연동하여 각 공정 설비(M)가 가동 중인지 또는 미가동 중인지를 판별하며, 1)가동 중이면 해당 공정 설비(M)의 동작-모드를 ’가동 상태‘로 결정하며, 2)미가동 중이면 해당 공정 설비(M)의 동작-모드를 ’미가동 상태‘로 결정한다.
또한 가동 여부 판단모듈(52)은 1)미가동 상태인 특정 공정 설비(M)가 가동되면, 타이머를 이용하여 해당 공정 설비(M)의 가동 경과시간(△t)을 측정하며, 가동이 정지되면 가동 경과시간(△t)의 측정을 종료한다.
또한 가동 여부 판단모듈(52)은 2)가동 상태인 공정 설비(M)의 가동이 중지되면, 해당 공정 설비(M)의 미가동 경과시간(△t)을 측정하며, 다시 재가동되면, 미가동 경과시간(△t)의 측정을 종료한다.
열화상 분석모듈(53)은 통신 인터페이스모듈(51)을 통해 열화상 카메라(7)들로부터 전송받은 열화상들을 분석한다.
각 픽셀별 온도값 검출모듈(54)은 열화상 분석모듈(53)에서 검출된 분석데이터를 활용하여, 각 픽셀의 온도값(C)을 검출한다.
수집데이터 생성모듈(55)은 해당 열화상에 대응하는 공정 설비(M)의 식별정보, 동작-모드 정보, 가동/미가동 경과시간(△t) 및 각 픽셀별 온도값(C) 정보를 매칭시켜 수집데이터를 생성한다.
도 5는 도 4의 화재 예측 및 감지모듈을 나타내는 블록도이다.
화재 예측 및 감지모듈(56)은 도 5에 도시된 바와 같이, 수집데이터 입력모듈(561)과, 기준테이블 입력모듈(562), 기준테이블 탐색 및 데이터 추출모듈(563), 각 픽셀별 차이값 산출모듈(564), 설정값 비교모듈(565), 후보-픽셀 선정모듈(566), 추적모듈(567), 화재 여부 판단모듈(568)로 이루어진다.
수집데이터 입력모듈(561)은 수집데이터 생성모듈(55)에서 생성된 수집데이터를 입력받는다.
기준테이블 입력모듈(562)은 메모리(50’)를 탐색하여, 해당 열화상에 대응하는 기준테이블을 입력받는다.
이때 기준테이블은 각 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값(C’)이 매칭된 데이터이다.
기준테이블 탐색 및 데이터 추출모듈(563)은 기준테이블 입력모듈(562)에 의해 입력된 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드 및 가동/미가동 경과시간(△t)에 대응하는 각 픽셀별 온도-최적값(C’)을 추출한다.
각 픽셀별 차이값 산출모듈(564)은 각 픽셀별로, 온도값(C)에서 온도-최적값(C’)을 차감하여, 각 픽셀별 차이값(△C, △C = C - C’)을 산출한다.
설정값 비교모듈(565)은 각 픽셀별 차이값 산출모듈(564)에서 산출된 각 픽셀별 차이값(△C)을 기 설정된 설정값(TH)과 비교한다.
이때 설정값(TH)은 화재를 예측 또는 발생하였다고 판단할 수 있는 차이값(△C)의 최솟값을 의미한다.
후보-픽셀 선정모듈(566)은 설정값 비교모듈(565)에서, 설정값(TH) 이상인 차이값(△C)을 갖는 픽셀들을 후보-픽셀로 선정한다. 이때 후보-픽셀은 화재가 예측 또는 발생하였다고 의심할 수 있는 픽셀들을 의미한다.
추적모듈(567)은 후보-픽셀 선정모듈(566)에서 선정된 각 후보-픽셀의 차이값(△C)이 설정값(TH) 이상인 상태가 기 설정된 임계시간까지 지속되는지를 추적한다.
화재 여부 판단모듈(568)은 추적모듈(567)에서, 임계시간 동안 차이값(△C)이 설정값(TH) 이상인 상태가 지속되는 후보-픽셀을, 화재-픽셀로 결정함과 동시에 해당 작업영역(S‘)에서 화재가 예측 또는 발생하였다고 판단한다.
이때 제어부(50)는 화재 예측 및 감지모듈(56)에 의해 화재가 예측 또는 발생하였다고 판단되면, 화재 경고데이터 생성모듈(57) 및 알람표출모듈(58)을 실행시킨다.
화재 경고데이터 생성모듈(57)은 해당 작업영역(S’) 식별정보, 화재-픽셀의 픽셀위치정보, 화재-픽셀의 온도값(C), 화재발생시간 등을 포함하는 화재 경고데이터를 생성한다.
알람표출모듈(58)은 스피커, LED경고등 등을 이용하여, 화재 알람 정보가 외부로 표출되도록 한다.
점검 요청데이터 전시모듈(59)은 화재 모니터링 서버(3)로부터 점검 요청데이터를 전송받을 때, 제어모듈(50)의 제어에 따라 실행되며, 화재 모니터링 서버(3)로부터 전송받은 점검 요청데이터를 모니터에 디스플레이 함으로써 관리자가 모니터에 전시되는 점검 요청데이터를 열람하여, 교체 및 점검이 필요한 부품을 신속하게 점검 및 교체할 수 있고, 이에 따라 부품 노후, 파손, 결합해제 등으로 인한 화재사고를 미연에 효과적으로 방지할 수 있게 된다.
도 6은 도 5의 최적화 모듈을 나타내는 블록도이다.
도 6의 최적화 모듈(60)은 제어모듈(50)의 제어에 따라, 기 설정된 주기(T) 마다 실행되며, 열화상들 각각에 대하여 순차적으로 각 픽셀의 온도-최적값(C’)들을 산출하여, 기준테이블을 생성 및 갱신한다.
또한 최적화 모듈(60)은 도 6에 도시된 바와 같이, 수집데이터 추출모듈(601)과, 동작-모드별 분류모듈(602), 경과시간 기반 정렬모듈(603), 경과시간 범위 기준 분류모듈(604), 동일-픽셀 군집모듈(605), 평균-온도값 산출모듈(606), 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈(607), 기준테이블 생성 및 갱신모듈(608)로 이루어진다.
수집데이터 추출모듈(601)은 현재 시점부터 M번째 이전 주기 동안의 수집데이터들을 메모리(50‘)로부터 추출한다.
이때 수집데이터는 공정 설비(M)의 식별정보, 동작-모드 정보, 가동/미가동 경과시간(△t) 및 각 픽셀별 온도값(C) 정보를 포함한다.
동작-모드별 분류모듈(602)은 수집데이터 추출모듈(601)에 의해 추출된 수집데이터들을 동작-모드에 따라 분류한다.
즉 수집데이터들은 동작-모드에 따라, ’가동 상태‘의 집합군 또는 ’미가동 상태‘의 집합군으로 분류된다.
경과시간 기반 정렬모듈(603)은 동작-모드별 분류모듈(602)에 의해 분류된 각 집합군의 수집데이터들을 경과시간(△t)을 기준으로 정렬시킨다.
예를 들어, 경과시간 기반 정렬모듈(603)은 1)’가동 상태‘의 집합군의 수집데이터들을 가동 경과시간(△t)을 기준으로 정렬시키고, 1)’미가동 상태‘의 집합군의 수집데이터들을 미가동 경과시간(△t)을 기준으로 정렬시킨다.
경과시간 범위 기준 분류모듈(604)은 경과시간 기반 정렬모듈(603)에 의해 정렬된 각 집합군의 수집데이터들을, 기 설정된 경과시간 범위에 따라 분류시킨다.
이때 경과시간 범위에 따라 분류된 수집데이터들의 집합을 소집합군이라고 명칭하기로 한다.
예를 들어, 경과시간 범위 기준 분류모듈(604)은 ’가동 상태‘의 집합군의 수집데이터들을, ’0 ~ 1시간‘, ’1 ~ 2시간‘, ’2 ~ 3시간‘, ’3 ~ 4시간‘, ... ’L-1 ~ L시간‘등의 범위로 분류시킬 수 있다.
일반적으로, 공정 설비(M)의 부품들은 가동 여부에 따라 발열 온도가 현격히 차이가 날 뿐만 아니라, 가동 경과시간(△t) 또는 미가동 경과시간(△t)에 따라 발열 온도가 달라지게 된다. 예를 들어, 고온분사노즐은, 미가동 상태일 때, 미가동 경과시간(△t)이 ’5분‘인 경우에는 고온의 발열 온도를 갖게 되나, ’1시간‘ 이상인 경우에는 상온의 발열 온도를 갖게 된다.
즉 본 발명은 이러한 특성을 감안하여, 공정 설비(M)의 동작-모드와, 경과시간 범위에 따라 각 픽셀별 온도-최적값을 최적화시킴으로써 화재 예측 및 감지의 정확성 및 신뢰도를 획기적으로 높일 수 있게 된다.
동일-픽셀 군집모듈(605)은 경과시간 범위 기준 분류모듈(604)에서 분류된 각 집합군의 소집합군별로 동일-픽셀들을 군집시킨다.
예를 들어, ’가동 상태‘의 집합군이면서 ’경과시간 범위가 3 ~ 4시간‘의 소집합군의 (10, 10)의 픽셀들에 대한 수집데이터들이 5개인 경우, 5개의 수집데이터들을 군집시킨다.
평균-온도값 산출모듈(606)은 동일-픽셀 군집모듈에 의해 군집된 동일-픽셀들의 온도값(C)들의 평균을 산출하여, 각 동일-픽셀의 평균-온도값을 산출한다.
동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈(607)은 평균-온도값 산출모듈(606)에서 산출된 평균-온도값을 해당 픽셀의 온도-최적값(C’)으로 결정하는 방식으로, 각 동작-모드의 경과시간 범위별 각 픽셀 온도-최적값(C’)을 설정한다.
기준테이블 생성 및 갱신모듈(608)은 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈(607)에서 설정된 경과시간 범위별 각 픽셀 온도-최적값(C’)들을 매칭시켜 기준테이블을 생성 및 갱신한다.
이때 기준테이블 생성 및 갱신모듈(608)에 의해 생성 및 갱신된 기준테이블은 제어부(50)의 제어에 따라, 메모리(50‘)에 저장됨과 동시에 화재 모니터링 서버(3)로 전송된다.
다시 도 2로 돌아가서, 화재 모니터링 서버(3)를 살펴보면, 화재 모니터링 서버(3)는 로컬서버(5-1), ..., (5-N)들로부터 전송받은 열화상 및 화재 경고데이터를 저장 및 모니터링 한다.
또한 화재 모니터링 서버(3)에는 기 학습된 AI알고리즘이 저장된다.
이때 AI알고리즘은, 수집데이터에 포함된 각 픽셀의 온도값(C)과, 기준테이블, 각 픽셀별 부품정보가 매칭된 매칭데이터를 입력데이터로 하여, 교체 및 점검이 필요한 부품인 점검대상-부품을 출력하는 머신러닝 알고리즘이다.
예를 들어, 가동 상태 시, 평균 45 ~ 55℃의 발열 온도를 부품’A’가 80℃ 이상의 발열 온도로 방출된다고 할 때, AI알고리즘은 부품‘A’를 점검대상-부품으로 출력할 수 있다.
또한 화재 모니터링 서버(3)는 로컬서버(5)로부터 수집데이터를 전송받으면, AI알고리즘을 이용하여, 전송받은 수집데이터, 기준테이블 및 매칭데이터를 분석하여, 점검대상-부품을 출력한다.
또한 화재 모니터링 서버(3)는 점검대상-부품이 출력되면, 출력된 점검대상-부품 식별정보를 포함하는 점검 요청데이터를 생성한 후, 이를 해당 로컬서버(5)로 전송한다.
이와 같이 본 발명의 일실시예인 산업현장 화재 예측시스템(1)은 열화상 카메라를 이용하여 산업현장(S)의 각 작업영역(S’)에 대한 화재를 예측 및 감지함과 동시에 화재 예측 및 감지 시, 알람경고를 외부로 표출하며 관리자 단말기로 알람 정보를 전송함으로써 산업현장 화재를 미연에 방지할 수 있을 뿐만 아니라 화재 발생 시, 신속한 후속 대처가 이루어질 수 있으며, 저장된 열화상을 감시 및 증거로 사용할 수 있게 된다.
또한 본 발명의 산업현장 화재 예측시스템(1)은 로컬서버가 열화상 분석 시, 각 픽셀의 온도값(C)을 검출한 후, 최적화된 각 픽셀별 온도-최적값(C’)과 온도값(C)의 차이값(△C)을 산출하며, 산출된 차이값(△C)을 기반으로 화재-픽셀을 결정하도록 구성됨으로써 가동 시, 발열 온도가 서로 상이한 부품들의 특성을 감안하여, 화재 예측 및 감지의 정확성 및 신뢰도를 획기적으로 높일 수 있다.
또한 본 발명의 산업현장 화재 예측시스템(1)은 공정 설비(M)의 동작 모드와, 경과시간(△t)에 따른 온도-최적값(C’)들을 활용하여, 화재를 예측 및 감지하도록 구성됨으로써 화재 예측 및 감지의 정확성 및 신뢰도를 더욱 개선시킬 수 있게 된다.
또한 본 발명의 산업현장 화재 예측시스템(1)은 기 설정된 주기(T) 마다 각 픽셀별 온도-최적값(C’)들을 최적화하도록 구성됨으로써 각 픽셀별 온도-최적값(C’)이 고정된 것이 아니라, 현재 조건에 대응하여 최적화되므로, 더욱 정확하게 화재를 예측 및 감지할 수 있게 된다.
또한 본 발명의 산업현장 화재 예측시스템(1)은 화재 모니터링 서버가 AI알고리즘을 이용하여, 점검 및 교체가 필요한 부품을 추천하도록 구성됨으로써 부품 노후, 파손, 결합해제 등으로 인한 화재사고를 미연에 효과적으로 방지할 수 있다.
1:산업현장 화재 예측시스템 3:화재 모니터링 서버
5:로컬서버 7:열화상 카메라
10:통신망 50:제어모듈
50‘메모리 51:통신 인터페이스모듈
52:가동 여부 판단모듈 53:열화상 분석모듈
54:각 픽셀별 온도값 검출모듈 55:수집데이터 생성모듈
56:화재 예측 및 감지모듈 57:화재 경고데이터 생성모듈
58:알람표출모듈 59:점검 요청데이터 전시모듈
561:수집데이터 입력모듈 562:기준테이블 입력모듈
563:기준테이블 탐색 및 데이터 추출모듈
564:각 픽셀별 차이값 산출모듈
565:설정값 비교모듈 566:후보-픽셀 선정모듈
567:추적모듈 568:화재 여부 판단모듈

Claims (6)

  1. 산업현장(S)의 공정-라인에 따라 설치되되, 복수개의 부품들을 포함하는 공정 설비(M)들 중, 적어도 하나 이상의 열을 추적하여 열화상을 획득하는 열화상 카메라들;
    상기 열화상 카메라들로부터 전송받은 열화상을 분석하여, 화재를 예측 및 감지하는 로컬서버를 포함하고,
    상기 로컬서버는
    상기 열화상 카메라들로부터 전송받은 열화상들을 분석한 후, 각 열화상에 대하여, 각 픽셀별 온도값(C)을 검출하는 각 픽셀별 온도값 검출모듈;
    해당 열화상에 대응하는 공정 설비(M)의 식별정보 및 각 픽셀별 온도값(C) 정보를 매칭시켜 수집데이터를 생성하는 수집데이터 생성모듈;
    상기 수집데이터 생성모듈에 의해 생성된 수집데이터를 활용하여, 각 픽셀별 온도값(C)에서 기 설정된 각 픽셀별 온도-최적값(C’)을 차감하여 각 픽셀별 차이값(△C, △C = C - C’)을 산출한 후, 산출된 각 픽셀별 차이값(△C)을, 화재를 예측 또는 발생하였다고 판단할 수 있는 차이값(△C)의 최솟값인 설정값(TH, Threshold)과 비교하며, 설정값(th) 이상인 차이값(△C)을 갖는 픽셀이 기 설정된 임계시간까지 지속될 때, 화재가 예측 또는 발생하였다고 판단하는 화재 예측 및 감지모듈;
    상기 공정 설비(M)들과 연동하여, 각 공정 설비(M)의 동작-모드를 ‘가동 상태’ 또는 ‘미가동 상태’로 판별하는 가동 여부 판별모듈;
    각 공정 설비(M)에 대한 각 동작-모드별로 각 픽셀의 온도-최적값이 매칭된 기준테이블이 저장되는 메모리를 포함하고,
    상기 수집데이터 생성모듈은
    해당 열화상에 대응하는 공정 설비(M)의 식별정보, 동작-모드 정보 및 각 픽셀별 온도값(C) 정보를 매칭시켜 수집데이터를 생성하고,
    상기 화재 예측 및 감지모듈은
    각 픽셀별 차이값(△C) 산출 시, 상기 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드에 대응하는 각 픽셀별 온도-최적값(C’)을 추출한 후, 각 픽셀별 차이값(△C)에 추출된 각 픽셀별 온도-최적값(C’)을 차감하여 각 픽셀별 차이값(△C)을 산출하고,
    상기 기준테이블은
    각 공정 설비(M)에 대한 각 동작-모드의 경과시간 범위별로 각 픽셀의 온도-최적값(C’)이 매칭되고,
    상기 가동 여부 판별모듈은
    1)미가동 상태인 공정 설비(M)가 가동되면, 해당 공정 설비(M)의 가동 경과시간(△t)을 측정하며, 가동이 정지되면, 가동 경과시간(△t)의 측정을 종료하며, 2)가동 상태인 공정 설비(M)의 가동이 중지되면, 해당 공정 설비(M)의 미가동 경과시간(△t)을 측정하며, 다시 재가동되면, 미가동 경과시간(△t)의 측정을 종료하고,
    상기 수집데이터 생성모듈은
    상기 가동 여부 판별모듈에서 측정된 가동/미가동 경과시간(△t)를 추가하여 수집데이터를 생성하고,
    상기 화재 예측 및 감지모듈은
    각 픽셀별 차이값(△C) 산출 시, 상기 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드 및 경과시간(△t)의 범위에 대응하는 각 픽셀별 온도-최적값(C’)을 추출한 후, 각 픽셀별 차이값(△C)에 추출된 각 픽셀별 온도-최적값(C’)을 차감하여 각 픽셀별 차이값(△C)을 산출하는 것을 특징으로 하는 산업현장 화재 예측시스템.
  2. 삭제
  3. 삭제
  4. 제1항에 있어서, 상기 화재 예측 및 감지모듈은
    상기 수집데이터 생성모듈에서 생성된 수집데이터를 입력받는 수집데이터 추출모듈;
    상기 메모리를 탐색하여, 해당 열화상에 대응하는 기준테이블을 입력받는 기준테이블 입력모듈;
    상기 기준테이블 입력모듈에 의해 입력된 기준테이블을 탐색하여, 수집데이터에 포함된 동작-모드 및 가동/미가동 경과시간(△t)에 대응하는 각 픽셀별 온도-최적값(C’)을 추출하는 기준테이블 탐색 및 데이터 추출모듈;
    각 픽셀별로, 온도값(C)에서 온도-최적값(C’)을 차감하여, 각 픽셀별 차이값(△C)을 산출하는 각 픽셀별 차이값 산출모듈;
    상기 각 픽셀별 차이값 산출모듈에서 산출된 각 픽셀별 차이값(△C)을 상기 설정값(TH)과 비교하는 설정값 비교모듈;
    상기 설정값 비교모듈에서, 상기 설정값(TH) 이상인 차이값(△C)을 갖는 픽셀들을 후보-픽셀로 선정하는 후보-픽셀 선정모듈;
    상기 후보-픽셀 선정모듈에서 선정된 각 후보-픽셀의 차이값(△C)이 상기 설정값(TH) 이상인 상태가 기 설정된 임계시간까지 지속되는지를 추적하는 추적모듈;
    상기 추적모듈에서, 상기 임계시간 동안 차이값(△C)이 상기 설정값(TH) 이상인 상태가 지속되는 후보-픽셀을, 화재-픽셀로 결정함과 동시에 해당 작업영역(S‘)에서 화재가 예측 또는 발생하였다고 판단하는 화재 여부 판단모듈을 포함하는 것을 특징으로 하는 산업현장 화재 예측시스템.
  5. 제4항에 있어서, 상기 로컬서버는
    기 설정된 주기(T) 마다 실행되는 최적화 모듈을 더 포함하고,
    상기 최적화 모듈은
    현재 시점부터 M번째 이전 주기 동안의 수집데이터들을 상기 메모리로부터 추출하는 수집데이터 추출모듈;
    상기 수집데이터 추출모듈에 의해 추출된 수집데이터들을 동작-모드에 따라 ’가동 상태‘의 집합군 또는 ’미가동 상태‘의 집합군으로 분류하는 동작-모드별 분류모듈;
    상기 동작-모드별 분류모듈에 의해 분류된 각 집합군의 수집데이터들을 경과시간(△t)을 기준으로 정렬하는 경과시간 기반 정렬모듈;
    상기 경과시간 기반 정렬모듈에 의해 정렬된 각 집합군의 수집데이터들을, 기 설정된 경과시간 범위에 따른 소집합군들로 분류시키는 경과시간 범위 기준 분류모듈;
    상기 경과시간 범위 기준 분류모듈에서 분류된 각 집합군의 소집합군별로 동일-픽셀들을 군집시키는 동일-픽셀 군집모듈;
    상기 동일-픽셀 군집모듈에 의해 군집된 동일-픽셀들의 온도값(C)들의 평균을 산출하여, 각 동일-픽셀의 평균-온도값을 산출하는 평균-온도값 산출모듈;
    상기 평균-온도값 산출모듈에서 산출된 평균-온도값을 해당 픽셀의 온도-최적값(C’)으로 결정하는 방식으로, 각 동작-모드의 경과시간 범위별 각 픽셀 온도-최적값(C’)을 설정하는 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈;
    상기 동작-모드의 경과시간 범위별 각 픽셀의 온도-최적값 설정모듈에서 설정된 각 동작-모드의 경과시간 범위별 각 픽셀 온도-최적값(C’)들을 매칭시켜 기준테이블을 생성 및 갱신하는 기준테이블 생성 및 갱신모듈을 포함하는 것을 특징으로 하는 산업현장 화재 예측시스템.
  6. 제5항에 있어서, 상기 산업현장 화재 예측시스템은
    상기 로컬서버로부터 전송받은 열화상, 수집데이터 및 기준테이블을 저장 및 모니터링하는 화재 모니터링 서버를 더 포함하고,
    상기 화재 모니터링 서버는
    수집데이터에 포함된 각 픽셀의 온도값(C)과, 기준테이블, 각 픽셀별 부품정보가 매칭된 기 설정된 매칭데이터를 입력데이터로 하여, 교체 및 점검이 필요한 부품인 점검대상-부품을 출력하는 AI알고리즘이 저장되며, 상기 로컬서버로부터 수집데이터를 전송받으면, 상기 AI알고리즘을 이용하여, 전송받은 수집데이터, 기준테이블 및 매칭데이터를 분석하여, 점검대상-부품을 출력하며, 출력된 점검대상-부품 식별정보를 포함하는 점검 요청데이터를 생성한 후, 상기 로컬서버로 전송하고,
    상기 로컬서버는
    상기 화재 모니터링 서버로부터 점검 요청데이터를 전송받으면, 전송받은 점검 요청데이터를 모니터에 디스플레이 하는 것을 특징으로 하는 산업현장 화재 예측시스템.
KR1020230019493A 2023-02-14 2023-02-14 열화상 카메라를 이용한 산업현장 화재 예측시스템 KR102616473B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020230019493A KR102616473B1 (ko) 2023-02-14 2023-02-14 열화상 카메라를 이용한 산업현장 화재 예측시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020230019493A KR102616473B1 (ko) 2023-02-14 2023-02-14 열화상 카메라를 이용한 산업현장 화재 예측시스템

Publications (1)

Publication Number Publication Date
KR102616473B1 true KR102616473B1 (ko) 2023-12-21

Family

ID=89320673

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230019493A KR102616473B1 (ko) 2023-02-14 2023-02-14 열화상 카메라를 이용한 산업현장 화재 예측시스템

Country Status (1)

Country Link
KR (1) KR102616473B1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100026419A (ko) * 2008-08-29 2010-03-10 랜스(주) 온도센서 기반의 화재 이상징후 판별시스템
KR20100100291A (ko) * 2009-03-06 2010-09-15 (주)이랜서 설비 가동시간 및 상태 취득 방법 및 시스템
KR102219598B1 (ko) * 2019-10-28 2021-02-24 주식회사 엠투아이코퍼레이션 설비용 화재 모니터링 시스템
KR102369167B1 (ko) * 2020-01-10 2022-03-03 (주)알파랩에이아이 머신러닝을 이용한 지능형 스마트팜 운영 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100026419A (ko) * 2008-08-29 2010-03-10 랜스(주) 온도센서 기반의 화재 이상징후 판별시스템
KR20100100291A (ko) * 2009-03-06 2010-09-15 (주)이랜서 설비 가동시간 및 상태 취득 방법 및 시스템
KR102219598B1 (ko) * 2019-10-28 2021-02-24 주식회사 엠투아이코퍼레이션 설비용 화재 모니터링 시스템
KR102369167B1 (ko) * 2020-01-10 2022-03-03 (주)알파랩에이아이 머신러닝을 이용한 지능형 스마트팜 운영 시스템

Similar Documents

Publication Publication Date Title
US20220259947A1 (en) Monitoring system and method for wellsite equipment
US20180151045A1 (en) Facility management system using internet of things (iot) based sensor and unmanned aerial vehicle (uav), and method for the same
US11152126B2 (en) Abnormality diagnosis system and abnormality diagnosis method
KR102219598B1 (ko) 설비용 화재 모니터링 시스템
CN113763667B (zh) 一种基于5g边缘计算的火灾预警及状态监测装置及方法
JP6413530B2 (ja) 監視システム、映像解析装置、映像解析方法およびプログラム
CN105279878A (zh) 无线视频防盗自动报警系统及其方法
KR102230118B1 (ko) 고객 안전을 위한 ＩｏＴ 기반의 엘리베이터 모니터링 시스템 및 모니터링 방법
CN109690641B (zh) 包括确定设备重要度和警报有效性的处理程序的用于预检核电站设备异常迹象的方法及系统
CN117308498A (zh) 一种基于云存储的冷库温度智能监测管理方法及系统
CN111595081B (zh) 维护检修方法、维护检修系统和信息终端
CN106919907A (zh) 电力通信图像识别监管装置
KR102296561B1 (ko) 지그비를 이용한 인공지능 기반 복수개의 배전반 통합 관제시스템
KR102296568B1 (ko) 머신러닝 기반 배전반 관제시스템
KR102616473B1 (ko) 열화상 카메라를 이용한 산업현장 화재 예측시스템
CN113483815A (zh) 一种基于工业大数据的机械故障监控系统
KR20160020748A (ko) Cctv 관리 시스템
CN113746202A (zh) 一种电力监控系统
KR102427631B1 (ko) 열상감시장비 상태 확인장치 및 방법
KR102504121B1 (ko) Qr코드를 이용한 위치기반의 태양광 발전시스템 운영유지보수 시스템 및 그 방법
KR102427630B1 (ko) 열상감시장비 고장시점 예측장치 및 방법
KR102668287B1 (ko) 모니터링이 가능한 전기차 충전소 화재 예방 분전반 및 그 작동 방법
KR102657015B1 (ko) 열상카메라 내장형 피플카운터 및 이를 이용한 산업현장 화재감지시스템
CN117493129B (zh) 一种计算机控制设备的运行功率监测系统
CN117729314B (zh) 基于ai视觉的多区域监测系统及方法

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant