WO2024019342A1 - 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법 - Google Patents

인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법 Download PDF

Info

Publication number
WO2024019342A1
WO2024019342A1 PCT/KR2023/008598 KR2023008598W WO2024019342A1 WO 2024019342 A1 WO2024019342 A1 WO 2024019342A1 KR 2023008598 W KR2023008598 W KR 2023008598W WO 2024019342 A1 WO2024019342 A1 WO 2024019342A1
Authority
WO
WIPO (PCT)
Prior art keywords
target object
warning
identified
monitoring
leak
Prior art date
Application number
PCT/KR2023/008598
Other languages
English (en)
French (fr)
Inventor
박정실
양경흠
이지행
김태균
박주현
이범서
Original Assignee
(주)하이브시스템
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 (주)하이브시스템 filed Critical (주)하이브시스템
Publication of WO2024019342A1 publication Critical patent/WO2024019342A1/ko

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16M—FRAMES, CASINGS OR BEDS OF ENGINES, MACHINES OR APPARATUS, NOT SPECIFIC TO ENGINES, MACHINES OR APPARATUS PROVIDED FOR ELSEWHERE; STANDS; SUPPORTS
    • F16M11/00—Stands or trestles as supports for apparatus or articles placed thereon ; Stands for scientific apparatus such as gravitational force meters
    • F16M11/02—Heads
    • F16M11/04—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand
    • F16M11/06—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting
    • F16M11/12—Means for attachment of apparatus; Means allowing adjustment of the apparatus relatively to the stand allowing pivoting in more than one direction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G03—PHOTOGRAPHY; CINEMATOGRAPHY; ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ELECTROGRAPHY; HOLOGRAPHY
    • G03B—APPARATUS OR ARRANGEMENTS FOR TAKING PHOTOGRAPHS OR FOR PROJECTING OR VIEWING THEM; APPARATUS OR ARRANGEMENTS EMPLOYING ANALOGOUS TECHNIQUES USING WAVES OTHER THAN OPTICAL WAVES; ACCESSORIES THEREFOR
    • G03B17/00—Details of cameras or camera bodies; Accessories therefor
    • G03B17/56—Accessories
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/645—Splitting route computation layer and forwarding layer, e.g. routing according to path computational element [PCE] or based on OpenFlow functionality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/74—Address processing for routing
    • H04L45/745—Address table lookup; Address filtering
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Definitions

  • This disclosure relates to a system for detecting hazardous gas leaks and a method of operating the same. More specifically, it relates to a system for detecting harmful gas leaks based on an artificial intelligence model and a method of operating the same.
  • gases can be used in industrial sites or storage facilities for various purposes, and in the process of storing and using gases, leaks of gas that are lethal or explosive to the human body are required to prevent casualties or escalate into large-scale accidents. It is very important to detect and suppress early.
  • gases used and generated in industrial sites are often difficult to detect initially due to the size of the industrial site, the environment, and the characteristics of the gas itself that are difficult to perceive visually, and it takes a lot of time to detect the gas and locate the leak. There are limits.
  • some features utilizing gas sensors and video cameras are disclosed, but there are limits to the accuracy of gas detection and real-time tracking, and gas leak origin detection and warning dissemination are efficient. There are limitations in which it cannot be performed.
  • an artificial intelligence-based harmful gas leak detection system and method of operating the same may be provided.
  • a hazardous gas leak detection system and method of operating the same may be provided that can detect gas leaks in real time through monitoring devices and warning devices and suppress gas leaks at an early stage.
  • an artificial intelligence-based hazardous gas leak detection system acquires multiple types of images by photographing a monitoring target space that is subject to hazardous gas leak detection, and the monitoring target A monitoring device that measures a laser signal reflected from a point in space; Warning devices installed in the monitoring target space and outputting multiple types of warning signals when the harmful gas leak is detected; Obtaining the plurality of types of images from the monitoring device, confirming whether a target object related to the harmful gas is identified from the acquired plurality of types of images, and identifying a leak origin from which the identified target object leaked, , detects the harmful gas leak based on whether the target object satisfies preset warning generation conditions, and when the harmful gas leak is detected, a warning including the leak origin and an entry path for suppressing the target object leak a gas image detection server that generates content;
  • a monitoring control signal is output to allow the monitoring device to track the target object, and a warning control signal
  • Alert control server to output; and obtaining the warning content from the gas image detection server, outputting the obtained warning content, obtaining user control input through a user control interface included in the warning content, and based on the obtained user control input.
  • An integrated control server that remotely controls the monitoring device may include.
  • a method of managing a harmful gas leak by an artificial intelligence-based harmful gas leak detection system includes the steps of acquiring multiple types of images from monitoring devices; determining whether a target object related to harmful gas is identified from the acquired plural types of images; When the target object is identified, determining a leak origin of the target object related to harmful gas based on state information of the target object; may include.
  • a computer-readable recording medium storing a program for performing a method including may be provided.
  • harmful gas leaks can be identified at an early stage.
  • harmful gas leaks can be detected in real time and the harmful gas leaks can be effectively suppressed according to the detection results.
  • FIG. 1 is a diagram schematically illustrating the operation process of an artificial intelligence-based gas leak detection system according to an embodiment.
  • Figure 2 is a block diagram of an artificial intelligence-based gas leak detection system according to an embodiment.
  • Figure 3 is a diagram for explaining the operation process of an artificial intelligence-based gas leak detection system according to another embodiment.
  • Figure 4 is a flowchart illustrating a process in which an electronic device identifies the origin of a hazardous gas leak based on artificial intelligence, according to an embodiment.
  • FIG. 5 is a flowchart illustrating a process in which an electronic device determines whether a target object related to harmful gas is identified by using a plurality of artificial intelligence models according to an embodiment.
  • FIG. 6 is a flowchart of a method by which an electronic device acquires state information about at least one of the shape, flow, or movement of a target object related to harmful gas, according to an embodiment.
  • Figure 7 is a flowchart of a specific method in which an electronic device identifies the origin of leakage of a target object, according to an embodiment.
  • FIG. 8 is a diagram illustrating a process in which an electronic device acquires correction status information according to lens distortion correction, according to an embodiment.
  • Figure 9 is a flowchart of a method by which an electronic device identifies the degree of risk of a transmission path for transmitting a warning control signal, according to an embodiment.
  • FIG. 10 is a block diagram of an electronic device according to an embodiment.
  • Figure 11 is a block diagram of a server according to one embodiment.
  • FIG. 12 is a diagram illustrating a process for managing a target object leak situation related to harmful gas by linking a monitoring device, a gas image detection server, an alarm control server, an integrated control server, and a warning device according to an embodiment.
  • multiple types of images are acquired by photographing the monitoring target space that is the target of hazardous gas leak detection, and a laser signal reflected from a point within the monitoring target space is used.
  • Monitoring device that measures; Warning devices installed in the monitoring target space and outputting multiple types of warning signals when the harmful gas leak is detected; Obtaining the plurality of types of images from the monitoring device, confirming whether a target object related to the harmful gas is identified from the acquired plurality of types of images, and identifying a leak origin from which the identified target object leaked, and , detects the harmful gas leak based on whether the target object satisfies preset warning generation conditions, and when the harmful gas leak is detected, a warning including the leak origin and an entry path for suppressing the target object leak a gas imaging detection server that generates content;
  • a monitoring control signal is output to allow the monitoring device to track the target object, and a warning control signal is used to output the warning content and control the
  • Alert control server to output; and obtaining the warning content from the gas image detection server, outputting the obtained warning content, obtaining user control input through a user control interface included in the warning content, and based on the obtained user control input.
  • An integrated control server that remotely controls the monitoring device;
  • An artificial intelligence-based hazardous gas leak detection system may be provided, including.
  • a method for managing a hazardous gas leak by an artificial intelligence-based hazardous gas leak detection system comprising: acquiring multiple types of images from monitoring devices; determining whether a target object related to harmful gas is identified from the acquired plural types of images; When the target object is identified, determining a leak origin of the target object related to harmful gas based on state information of the target object; A method including may be provided.
  • FIG. 1 is a diagram schematically illustrating the operation process of an artificial intelligence-based gas leak detection system according to an embodiment.
  • the artificial intelligence-based gas leak detection system 10 detects leaks of harmful gases in real time, and when a harmful gas leak is detected, images it in real time to provide various types of integrated control solutions for gas suppression. It can be provided as a situation room video information display.
  • the artificial intelligence-based gas leak detection system (10) detects hazardous gas leaks in real time and provides various types of content to suppress hazardous gas leaks, thereby increasing the success rate of initial suppression in the event of a gas leak, thereby preventing major accidents in advance. You can.
  • the artificial intelligence-based gas leak detection system 10 can be used in various industrial sites that use and store gas.
  • the artificial intelligence-based gas leak detection system 10 can be installed in a coal storage site and used to detect visually invisible methane 162 in real time.
  • the artificial intelligence-based gas leak detection system 10 can be used to detect ammonia 164 in real time by being installed in an ammonia storage tank or a storage facility equipped with ammonia gas piping equipment.
  • the artificial intelligence-based gas leak detection system 10 according to the present disclosure can be used in various industrial sites that use and store gas.
  • the artificial intelligence-based gas leak detection system 10 is used in various types of work sites such as power plants, coal dumps, landfills, or sewage treatment plants to detect various types of gas leaks that are visually visible and invisible. And, if the detected gas leak matches the warning generation conditions, contents for warning and managing it can be provided.
  • the artificial intelligence-based gas leak detection system 10 includes a plurality of monitoring devices 166 and 168, a gas image detection server 172, an alert control server 174, an integrated controller 178, and an IP. It may include a WALL controller 180, a storage distribution server 182, a storage 184, and a situation room video information display 186. However, it is not limited to the above-described example, and the artificial intelligence-based gas leak detection system 10 may include more components for detecting target objects related to harmful gas leaks, or may be provided with fewer components. .
  • the monitoring devices 166 and 168 are installed in the monitoring target space to detect leakage of target objects related to harmful gases, thereby acquiring multiple types of images and measuring a laser signal reflected from a point in the monitoring target space. You can.
  • the gas image detection server 172 recognizes a target object related to harmful gas from a plurality of types of images and identifies the origin of the harmful gas leak based on status information about the shape, direction of movement, or movement of the recognized target object, If it is determined that a gas leak situation has occurred, a composite video including the leak video can be transmitted to the situation room video information display 186 through the integrated control server.
  • the warning control server 174 may generate warning control signals to control various warning devices and output the generated warning control signals through a plurality of types of warning devices.
  • the gas image detection server 172, the warning control server 174, and the monitoring devices 166 and 168 may be connected through the local network 171.
  • the integrated controller 178 controls devices such as the gas image detection server 172, the warning control server 174, and monitoring devices to detect harmful gas leaks, or transmits and receives data received therefrom.
  • the IP WALL controller 180 can control distribution and processing of multiple types of images obtained from monitoring devices based on a network, and the storage distribution server 182 can store multiple types of images obtained from monitoring devices. Controls storage in 184, controls access to multiple types of images stored in storage 184, and, if necessary, controls transmission and reception so that data for multiple types of images are delivered to a predetermined destination.
  • the integrated controller 178, IP WALL controller 180, storage distribution server 182, and storage 184 can be connected to the gas image detection server 172 and warning control server 174 through the sensor network 176.
  • the situation room video information display 186 may output leaked images, composite images, user control interfaces, and various types of warning contents generated based on multiple types of images.
  • Figure 2 is a block diagram of an artificial intelligence-based gas leak detection system according to an embodiment.
  • the artificial intelligence-based harmful gas leak detection system 10 includes a monitoring device 200, an electronic device 1000, a gas image detection server 220, a warning control server 240, and an integrated control server 260. , warning devices 232 and portable IOT devices 234.
  • the artificial intelligence-based harmful gas leak detection system 10 may include more components for detecting harmful gas leaks, or may be provided with fewer components.
  • the artificial intelligence-based hazardous gas leak detection system 10 excludes the portable IOT devices 234 and electronic devices 1000 of workers in the space to be monitored, and includes a monitoring device 200 and a gas image detection server ( 220), a warning control server 240, an integrated control server 260, and warning devices 232.
  • a monitoring device 200 includes a gas image detection server ( 220), a warning control server 240, an integrated control server 260, and warning devices 232.
  • Figure 3 is a diagram for explaining the operation process of an artificial intelligence-based gas leak detection system according to another embodiment.
  • the artificial intelligence-based gas leak detection system 10 acquires image information 306 and laser measurement values 308 regarding multiple types of images from the monitoring device 300 installed in the monitoring target space 301. And, based on the acquired image information 306 and the laser measurement value 308, it is detected in real time whether a target object leak related to harmful gas has occurred in the space to be monitored, and if a target object leak situation occurs, By outputting warning content and warning control signals, hazardous gas leak situations can be suppressed at an early stage.
  • the artificial intelligence-based gas leak detection system 10 includes a monitoring device 300, an electronic device 1000, a gas image detection server 320, a warning control server 340, and an integrated control server 360. , warning devices 332 and portable IOT devices 334.
  • the electronic device 1000 is a computing device capable of acquiring, processing, and storing image data and signals, and includes a gas image detection server 320, a warning control server 340, and a gas image detection server 320 to detect harmful gas leaks. All or at least part of the functions performed by the integrated control server 360 can be performed together.
  • the monitoring device 300 includes an elevation type 302 that monitors a point in the monitoring target space by moving up and down, and a rail type 304 that can move up and down through an elevation pole while moving on the rail. ) may include.
  • the monitoring device 3000 receives the monitoring control signal 312 from the electronic device 1000 based on the image information 306 and the laser measurement value 308 acquired from the monitoring target space 301, the monitoring device 3000 receives the monitoring control signal 312 according to the monitoring control signal. Pan movement, tilt movement, and up and down movement can be performed.
  • the electronic device 1000 may perform all or at least part of the functions performed by the gas image detection server 320, warning control server 340, and integrated control server 360. According to one embodiment, the electronic device 1000 identifies the origin of leakage of a target object related to harmful gas from a plurality of types of images, determines whether the target object satisfies the warning generation condition, and determines whether the warning generation condition is satisfied. Accordingly, if it is identified that a hazardous gas leak situation has occurred, warning content, warning control signals, and monitoring control signals may be generated, and the generated warning content, warning control signals, and monitoring control signals may be disseminated.
  • the gas image detection server 320 acquires multiple types of images from the monitoring device 300, and detects harmful gases from the acquired multiple types of images (e.g., visible light images and infrared images). Determine whether a target object (e.g., target gas or target smoke) associated with the target is identified, identify the source of the leak from which the identified target object leaked, and, based on the quantified detection conditions, generate a predetermined alert when the detected target object is detected. Based on whether the conditions are met, it is determined whether a hazardous gas has leaked and whether it is an emergency situation due to the hazardous gas leak, and when a hazardous gas leak is detected, the origin of the leak and the entry route for suppressing the target object leak are determined. You can create warning content that includes:
  • the warning control server 340 when a leak of harmful gas (e.g., a leak of a target object) is detected by the gas image detection server 320, allows the monitoring device 300 to track the target object. Outputs a monitoring control signal and transmits warning control signals for controlling various types of warning devices 332 (e.g., speakers, warning lights, displays, etc.) along with warning content output by the integrated control server 360. It can be transmitted based on the route.
  • a leak of harmful gas e.g., a leak of a target object
  • the gas image detection server 320 allows the monitoring device 300 to track the target object.
  • warning devices 332 e.g., speakers, warning lights, displays, etc.
  • the integrated control server 360 may obtain warning content from the gas image detection server 320 and output the obtained warning content. According to one embodiment, the integrated control server 360 outputs a user control interface along with warning content and remotely controls monitoring devices or warning devices based on user control input obtained through the user control interface.
  • the warning devices 332 include a display for outputting warning content generated by a gas image detection server, a warning light for outputting a visual warning signal among a plurality of types of warning signals, and among the warning signals. It may include at least one speaker for outputting an auditory warning signal.
  • a gas image detection server 320, a warning control server 340, an integrated control server 360, an electronic device 1000, warning devices 332, a portable IOT device 334, and a monitoring device. 300 may be connected to each other through a network 380.
  • the network 380 may include communication devices for each device in the artificial intelligence-based gas leak detection system 10 to communicate with each other.
  • the network 380 is a local area network (LAN), a wide area network (WAN), a value added network (VAN), a mobile radio communication network, and a satellite. It may include a communication network, a comprehensive data communication network that allows each network constituent to communicate, and their mutual combination.
  • the network 380 may include a plurality of repeater (eg, router) devices storing routing tables, a wired network interface and a wireless network interface for transmitting and receiving data through the repeater devices.
  • each device in the artificial intelligence-based gas leak detection system 10 may further include other communication devices required to transmit and receive data.
  • the electronic device 1000 can store and manage composite images, warning contents, etc.
  • the electronic device 1000 may manage image data according to an RDBMS (Relative Database Management System) structure for efficient design within limited data.
  • the electronic device 1000 may output certain images based on a user input to the electronic device 1000 to search stored image data.
  • the electronic device 1000 may output certain stored image data based on a portion of a keyword and a word combination using DB SELECT.
  • the electronic device 1000 configures a system based on SQL for efficient search of RDBMS, and has a SELECT structure for arranging strings that limit conditions within multiple conditions to improve performance and optimize user experience. It can be arranged to be designed as a basic door.
  • Figure 4 is a flowchart illustrating a process in which an electronic device identifies the origin of a hazardous gas leak based on artificial intelligence, according to an embodiment.
  • the electronic device 1000 may acquire first type images of the space to be monitored from at least one first type camera connected to the electronic device.
  • the electronic device 1000 may acquire second type images of the space to be monitored from at least one second type camera connected to the electronic device.
  • the first type camera and the second type camera are an EO camera (Electro-Optical camera, EO camera) and an OGI camera (Optical Gas Imaging Camera, OGI camera), respectively, and the first type images and The second type images may be visible light images (eg, EO images) and infrared images (eg, OGI images), respectively.
  • the electronic device 1000 may check whether a target object related to the harmful gas is identified from the first type images and the second type images. For example, the electronic device 1000 may check whether a target object related to harmful gas is identified from the first type images and the second type images using at least one artificial intelligence model for object recognition. .
  • the target object identified by the electronic device 1000 may include at least one of a gas object, a smoke object, or a flame object.
  • the gas object may be a gas object related to methane or ammonia.
  • the electronic device 1000 may separate a target object area related to the target object from each of the first type images and the second type images. For example, the electronic device 1000 masks a masking object according to an alpha channel value indicating the weight for the target object area in terms of a transparency level (e.g., the alpha channel value includes information indicating the weight for the target object area in terms of a transparency level). and a gradient capping table generated based on the image sensor value used to generate the target object area, thereby separating the target object area containing only the image sensor value.
  • an alpha channel value indicating the weight for the target object area in terms of a transparency level
  • the electronic device 1000 secures high visibility by separating the target object area when a target object related to at least one of smoke, gas, or flame is identified from the first type images and the second type images. It has the advantage of enabling origin tracking for separated target object areas.
  • the electronic device 1000 may obtain state information about at least one of the shape, flow, or movement of the target object from the separated target object area.
  • the state information includes at least one of shape information about a direction vector determined based on the outline of the target object, flow information about the movement direction of the target object, and motion information about the movement speed and leakage amount of the target object. can do.
  • the electronic device 1000 may identify the origin of the leak where the target object related to harmful gas occurred based on the status information of the target object. The process by which the electronic device 1000 identifies a target object will be described in detail with reference to FIG. 5 described later.
  • FIG. 5 is a flowchart illustrating a process in which an electronic device determines whether a target object related to harmful gas is identified by using a plurality of artificial intelligence models according to an embodiment.
  • the electronic device 1000 may check whether a target object related to harmful gas is identified from multiple types of images using a plurality of artificial intelligence models.
  • the plurality of artificial intelligence models include Convolutional Neural Network (CNN), Deep Neural Network (DNN), Recurrent Neural Network (RNN), Restricted Boltzmann Machine (RBM), and Deep Belief Network (DBN) for target object identification.
  • CNN Convolutional Neural Network
  • DNN Deep Neural Network
  • RNN Recurrent Neural Network
  • RBM Restricted Boltzmann Machine
  • DBN Deep Belief Network
  • BRDNN Bidirectional Recurrent Deep Neural Network
  • Deep Q-Networks Deep Q-Networks
  • a plurality of artificial intelligence models output predetermined object candidate areas in the form of a boundary box based on the probability that the predetermined object candidate area in the image corresponds to the target object.
  • It may be an object computer vision model such as YOLO, R-CNN, or SSD that identifies the type of target object within the output box-shaped object candidate area.
  • the plurality of artificial intelligence models are machine learning models that can identify the spectrum for the target target object among the infrared spectral information obtained by Fourier transforming the second type images, and are a support vector machine model. Alternatively, a likelihood ratio test model may be further included.
  • the electronic device 1000 when first type images and the second type images are input, the electronic device 1000 applies the first type to a first artificial intelligence model that checks whether the target object is identified.
  • the output value of the first artificial intelligence model obtained from the first artificial intelligence model can be obtained.
  • the electronic device 1000 may check whether the target object is identified based on the output value of the first artificial intelligence model.
  • the electronic device 1000 may train a first artificial intelligence model in advance based on first type training images (EO images) and second type learning images (OGI images).
  • the first artificial intelligence model outputs the target object area in the form of a bounding box from multiple types of images and may further output a state regarding at least one of the amount of leakage, direction of movement, or type of the target object within the bounding box.
  • the electronic device 1000 can obtain infrared spectral information by Fourier transforming the second type images.
  • the infrared spectral spectrum information may include information on size and phase for each frequency obtained by Fourier transforming second type images.
  • the first artificial intelligence model may be an object recognition model that is learned in advance to recognize a desired target object.
  • the electronic device 1000 inputs the infrared spectral spectrum information to a second artificial intelligence model that checks whether the target object is identified, thereby generating the second artificial intelligence.
  • the output value of the second artificial intelligence model can be obtained from the model.
  • the electronic device 1000 may check whether the target object is identified based on the output value of the second artificial intelligence model.
  • the second artificial intelligence model may be a likelihood ratio test model. The electronic device 1000 according to the present disclosure can observe the target object more clearly by separating interference materials from the target object and the background in multiple types of images by using a likelihood ratio test algorithm.
  • the second artificial intelligence model produces infrared images based on the phase spectrum and size spectrum obtained respectively from the infrared spectral spectrum information of the area in which the target object is determined to be identified and the infrared spectral spectrum information of noise images in which the target object is not identified.
  • the target object can be identified from.
  • the electronic device 1000 can generate a frequency pattern library by clustering spectral spectrum images for each frequency of the target object and background interference material and statistically analyzing the clustered spectral spectral images for each frequency. there is.
  • the electronic device 1000 trains a second artificial intelligence model to classify frequency patterns according to size and phase values for each frequency for the target object from clustered infrared spectral spectrum information based on the frequency pattern library. .
  • the second artificial intelligence model when infrared spectral spectrum information is input, the second artificial intelligence model is pre-trained to classify a preset frequency pattern for the target object, thereby confirming whether there is an infrared spectral spectrum for the target object.
  • the infrared spectroscopic spectrum may include various types of frequency patterns according to size and phase values for each frequency.
  • the second artificial intelligence model learned according to the above-described process can identify the parameter corresponding to the spectral spectrum with the highest likelihood as the type of target object.
  • the electronic device 1000 determines the Fourier transform coefficient based on the frequency density information determined for each of the second type images in which the target object is identified and noise images in which the target object is not identified.
  • Infrared spectral information may be obtained by adjusting and Fourier transforming second type images in which the target object is not identified, based on the adjusted Fourier transform coefficients.
  • the electronic device 1000 determines whether the target object is identified when the infrared spectral spectrum information is input.
  • the infrared spectral spectrum information can be input into the third artificial intelligence model for verification.
  • the electronic device 1000 obtains an output value of the third artificial intelligence model from the third artificial intelligence model by inputting the infrared spectral spectrum information to the third artificial intelligence model, and the obtained third artificial intelligence model It can be confirmed whether the target object is identified based on the output value of .
  • the third artificial intelligence model may be a Support Vector Machine (SVM) model.
  • SVM Support Vector Machine
  • the third artificial intelligence model may be trained based on a frequency pattern library so that when infrared spectral information is input, it can classify the spectrum for the target object based on the optimized hyperplane.
  • the electronic device 1000 according to the present disclosure can identify the target object more accurately by spatially classifying the spectral spectrum for each of the target object and background interfering substances in multiple types of images by using a support vector machine model.
  • the electronic device 1000 acquires infrared learning spectrum information, preprocesses the acquired infrared learning spectrum information into a feature vector form, and when the infrared learning spectrum information preprocessed in the form of a feature vector is input, the feature vector
  • the hyperplane can be determined to classify .
  • the electronic device 1000 may determine a normal vector of a hyperplane through a solution calculation of an optimization problem and determine a hyperplane having the determined normal vector.
  • the electronic device 1000 may learn a third artificial intelligence model by modifying and updating the hyperplane to maximize the margin representing the distance between the hyperplane and the closest support vector among the group of feature vectors including spectral information.
  • the electronic device 1000 prevents overfitting through hyperplane optimization of the support vector machine model, and uses a support vector machine model in which overfitting is prevented, thereby reducing the existing dataset that may occur when only the likelihood ratio test model is used. Not only can it overcome the dependence limitations, but it can also perform target object identification more effectively in various monitoring environments along with likelihood ratio test model judgment.
  • the electronic device 1000 preprocesses the infrared learning spectral spectrum into a feature vector form, An additional preprocessing process may be further performed including removing the offset (OFF SET) of the infrared learning spectral spectrum and further performing baseline correction by applying a baseline correction algorithm.
  • the electronic device 1000 can identify the target object more accurately by learning a third artificial intelligence model based on the infrared learning spectral spectrum generated through the additional preprocessing process.
  • FIG. 6 is a flowchart of a method by which an electronic device acquires state information about at least one of the shape, flow, or movement of a target object related to harmful gas, according to an embodiment.
  • the electronic device 1000 selects the largest direction vector among the direction vectors identified from the center point of the outline of the target object in the separated target object area, identified based on the Canny Edge detection algorithm or other edge detection algorithm.
  • the direction vector for the outline orthogonal to can be extracted as shape information of the target object.
  • the electronic device 1000 may determine flow information of the target object at a time when a predetermined frame interval has elapsed from the time when the first type images and the second type images are input based on shape information.
  • flow information may include difference components of shape information extracted from adjacent frame images.
  • the electronic device 1000 may determine the difference components of shape information extracted from each of two adjacent frame images as movement direction vectors, and determine information about the sum vector of the movement direction vectors as flow information. .
  • the electronic device 1000 may determine movement information including at least one of the movement speed of the target object or the amount of leakage of the target object based on flow information.
  • the electronic device 1000 may obtain at least one of shape information, flow information, or motion information as the state information.
  • the electronic device 1000 according to the present disclosure can accurately identify the origin of the leak based on state information about at least one of the shape, direction of movement, or movement of the target object. For example, the electronic device 1000 determines the movement speed of the target object, which is determined based on the variation of the sum vector and the time value of the frame section to which predetermined frame images used to determine the movement direction vectors belong, and determines the previously determined movement speed of the target object. Leakage information of the target object is determined based on the spatial information to be monitored and the variance of the summed vectors, and the movement speed and leakage amount information can be determined using the motion information.
  • Figure 7 is a flowchart of a specific method in which an electronic device identifies the origin of leakage of a target object, according to an embodiment.
  • the electronic device 1000 may obtain pan-tilt information and position information of the camera installation set from the camera installation set including the at least one first type camera and the at least one second type camera. .
  • the electronic device 1000 receives location information including coordinate values of the current camera installation set from the camera installation set in the monitoring device, and pan angle and tilt angle values of the camera installation set currently facing the monitoring target space. Pan-tilt information including can be obtained.
  • the electronic device 1000 may obtain a laser measurement value reflected from a point in the space to be monitored, which is determined based on status information of the target object, from the laser measuring device of the camera installation set. For example, the electronic device 1000 controls the laser measurer to transmit a laser signal to a point in the space to be monitored based on at least one of shape information, flow information, or motion information of the target object, and reflects from the point.
  • the laser measurement value obtained by measuring the laser signal can be obtained from a laser measuring device.
  • the electronic device 1000 detects movement direction vectors from adjacent predetermined frame images included in multiple types of images, and uses a frame image in which movement direction vectors are continuously extracted from the multiple types of images. Laser measurement values can be obtained from corresponding points in space corresponding to one point in the image.
  • the electronic device 1000 may determine first coordinates regarding the relative position of the target object in a spherical coordinate system with the location information of the camera installation set as the origin.
  • the electronic device 1000 may change the first coordinates to second coordinates in a Cartesian coordinate system based on the first coordinates, the laser measurement value, and the spatial information. For example, the electronic device 1000 applies the distance (or depth) value according to the laser measurement value and the map information included in the spatial information to the first coordinate value expressed in a spherical coordinate system to orthogonalize the first coordinate. It can be changed to the second coordinate on the coordinate system.
  • the electronic device 1000 may identify the second coordinates as the origin of the leak where the target object occurred.
  • the electronic device 1000 geometrically matches a plurality of frame images in first type images acquired from first type cameras in the monitoring device, and detects a matching error of the matched plurality of frame images.
  • a panoramic image can be generated by correcting , and a composite image can be generated by overlapping and displaying the leakage image and the leakage origin for the separated target object area on the generated panoramic image.
  • the electronic device 1000 matches the first type image and the second type image in a geometric method related to at least one of a homography matching (SURF) method or an H-matrix correspondence method, and then matches each type A composite image may be generated by correcting matching errors in geometrically matched first-type images and second-type images based on feature points related to objects extracted from the images.
  • SURF homography matching
  • H-matrix correspondence method a geometric method related to at least one of a homography matching (SURF) method or an H-matrix correspondence method
  • SURF homography matching
  • FIG. 8 is a diagram illustrating a process in which an electronic device acquires correction status information according to lens distortion correction, according to an embodiment.
  • the electronic device 1000 identifies a preset lens distortion value for each of the cameras that transmitted the first type images and the second type images for the separated target object area, and removes the identified distortion value. Distortion correction can be performed for .
  • the electronic device 1000 applies the method described above in FIG. 6 to a separated target object area on which distortion correction has been performed, thereby providing correction status information regarding at least one of the shape, flow, or movement of the target object. It can be obtained.
  • the electronic device 1000 acquires image information of the target object area in which the distortion value of the camera lens has been reduced according to the above-described process, and obtains status information from the target object area on which the above-described distortion correction has been performed, thereby providing better results. Accurate state information of the target object can be determined.
  • the electronic device 1000 acquires a laser measurement value reflected from a point in the space of the monitoring target determined based on correction status information, and leaks a more accurate target object based on the obtained laser measurement value, spatial information, and first coordinates.
  • the second coordinates which are coordinates regarding the origin, can be determined.
  • the electronic device 1000 may identify a target object related to harmful gas and determine state information regarding at least one of the shape, flow, or movement of the identified target object. Additionally, the electronic device 1000 may identify the origin of the leak where the target object related to the harmful gas occurred based on the status information. The electronic device 1000 may determine whether the identified target object satisfies a warning generation condition based on at least one of status information or a leak origin. When a target object related to harmful gas is identified, the electronic device 1000 according to the present disclosure quantifies whether the identified target object is an object related to harmful gas to a degree that can actually cause a serious accident in the space to be monitored. It can be judged based on conditions.
  • the electronic device 1000 may determine whether a harmful gas is leaking based on whether the identified target object satisfies warning generation conditions that are differently set according to at least one of status information or the origin of the leak. For example, the electronic device 1000 may predetermine warning generation conditions and identify whether the identified target object is a target object that can cause an accident in the event of a leak based on the determined warning generation conditions. If the target object satisfies predetermined warning generation conditions, the electronic device 1000 may determine that there is a hazardous gas leak and output predetermined warning control signals, monitoring control signals, and warning contents.
  • the electronic device 1000 may further obtain facility information of the monitoring target space that matches the identified leak origin.
  • the electronic device 1000 may determine whether a harmful gas is leaking based on whether warning generation conditions that are differently set according to at least one of the status information, leak origin, or facility information are satisfied.
  • the electronic device 1000 may identify that the target object satisfies the warning generation condition when the leakage value according to the leakage amount information of the target object is identified as being greater than the threshold leakage amount.
  • the electronic device 1000 identifies the leakage amount value according to the leakage amount information of the target object as being smaller than the critical leakage amount, but monitors the space to be monitored according to facility information in the space matching the leakage origin. If the volume is identified as being smaller than the critical volume, the target object may be identified as satisfying the warning generation condition.
  • the electronic device 1000 identifies the leakage amount value according to the leakage amount information of the target object as being smaller than the critical leakage amount and the volume of the space to be monitored as being larger than the critical volume, but the leakage origin is If the worker density of the space matching is higher than the predetermined threshold density, the target object may be identified as satisfying the warning generation condition.
  • the electronic device 1000 may identify whether a warning generation condition is satisfied based on the leakage amount of the target object and determine whether a warning should be generated according to the hazardous gas leakage situation.
  • the electronic device 1000 may provide not only the leak amount, but also the volume of the monitoring target space matching the leak origin, a critical tolerance level according to gas leak sensitivity preset for each facility in the monitoring target space, and the leak origin.
  • the electronic device 1000 issues a warning when a target object related to harmful gas is identified, and the identified target object satisfies predetermined warning generation conditions, and it is determined that a dangerous target object has actually leaked.
  • a warning By generating and transmitting content, monitoring control signals and warning control signals, target object leakage situations can be effectively managed.
  • the electronic device 1000 may generate warning content including a leak origin where the target object is identified as having leaked and an entry path for suppressing the target object leak occurring at the leak origin.
  • warning content generated by the electronic device 1000 may include at least one of a leak image, a leak origin, a composite image, an entry path, and a user control interface in at least some areas.
  • the electronic device 1000 may transmit the warning content to the integrated control server and a monitoring control signal for controlling a monitoring device connected to the electronic device to track the target object.
  • the electronic device 1000 can control the monitoring devices to automatically track target objects related to harmful gases by transmitting a monitoring control signal to the monitoring devices along with transmitting warning content.
  • the electronic device 1000 may re-check whether a user control input is obtained from the integrated control server through the user control interface based on a preset cycle, and may re-check whether a user control input is obtained through the user control interface.
  • a control signal for allowing the monitoring device to track the target object may be transmitted according to a preset period.
  • the electronic device 1000 identifies a user control input for manually controlling the monitoring device in the process of automatically controlling the monitoring devices by transmitting a monitoring control signal for automatically tracking the target object to the monitoring device.
  • the monitoring devices can be controlled preferentially based on user control input, allowing the controller to easily track the target object.
  • the electronic device 1000 automatically generates a monitoring control signal again and transmits the generated monitoring control signal to the monitoring device, so that it can last for a long time. If the user's manual control input is not obtained for a time, the monitoring device can be automatically controlled and tracked to track the target object again, effectively allowing target object tracking to continue.
  • the electronic device 1000 may obtain spatial information obtained in advance about the space to be monitored.
  • the electronic device 1000 may include topographic information of the monitoring target space to be managed to detect hazardous gas leaks, facility information, information on the shape of the unit space dividing the target space into predetermined unit compartments, and the area of the unit space.
  • Spatial information including at least one of information, volume information of a unit space, worker density information about the area where many workers are located for each unit work space, or door location information can be obtained from an external device connected to the electronic device.
  • the electronic device 1000 may identify distance levels to the leak origin for each unit work space constituting the monitoring target space, based on the spatial information. For example, when the coordinates of the leak origin are identified, the electronic device 1000 may determine distance levels determined by dividing the distance values of unit spaces from the leak origin into predetermined sections.
  • the electronic device 1000 uses the unit work space corresponding to the door of the space to be monitored as a start section, and the unit work space including the origin of the leak as an end section.
  • the start section and the end section are
  • the entry path can be created by arranging the unit work spaces so that the distance level of the unit work spaces to be arranged becomes smaller as it approaches the end section.
  • the entry path may include a series of unit spaces connected from the door to the origin of the leak, and the distance levels of the unit spaces included in the entry path may all be set to different levels.
  • the electronic device 1000 in the process of arranging unit work spaces from the start section to the end section of the monitoring target space, when unit work spaces at the same distance level are identified, the electronic device 1000 generates leakage from the origin of the leak.
  • the entry path can be created by selecting unit work spaces located on the other side of the moving direction of the target object.
  • the movement direction of the target object occurring at the leak origin in a part of the unit space area adjacent to the leak origin, which is generated as part of the generated entry path, and the recommended direction when entering from the leak origin By further providing instructional content for the entry direction, workers who see the entry path created on the actual warning content can easily recognize the direction in which to safely enter the leak origin.
  • the electronic device 1000 arranges a unit workspace with a low density of workers on the entry path based on worker density information about the degree to which many workers are usually located, so that when a hazardous gas leak situation occurs, Workers to suppress this can easily enter the source of the leak.
  • the electronic device 1000 when unit work spaces at the same street level are identified, the electronic device 1000 first selects the unit work space with a low leakage amount of the target object measured for each unit work space, thereby providing the entry path. can be created.
  • the electronic device 1000 may generate an entry path based on the worker density for each unit work space, the amount of hazardous gas leakage for each unit work space, and the movement direction of the target object identified from the origin of the leak.
  • each unit workspace may be divided based on a predetermined grid, but the workspace is not limited thereto and may be changed based on the facilities and topography of the space to be monitored.
  • the unit work spaces may each include in advance information about the distance level to the leak origin, and the electronic device 1000 arranges the unit work spaces based on the distance level from the door to the leak origin to create an entry path. can be created.
  • the electronic device 1000 establishes a transmission path for a warning control signal to be transmitted from a source terminal to a destination terminal via at least one repeater device among a plurality of repeater devices connected to the electronic device and the warning devices. You can decide. According to one embodiment, the electronic device 1000 may determine the transmission path with the closest data transmission path distance from the source terminal to the destination terminal as the transmission path of the warning control signal among a plurality of transmission paths that can be created from the network. . The electronic device 1000 may directly transmit a warning control signal to warning devices based on the determined transmission path.
  • the electronic device 1000 identifies the risk level of the determined transmission path, and transmits the warning control signal from the source terminal to the destination terminal according to the risk level of the identified transmission path. You can change the path.
  • each device in the hazardous gas leak detection system 10 may be connected through a network including a plurality of repeater devices (eg, routing devices).
  • Each system device and repeater device included in the network may appear as one terminal, and each repeater device may include a routing table including device information and IP address information of each device.
  • the electronic device 1000 can identify a plurality of transmission paths that can be created based on a plurality of repeater terminals on the network, and determines the risk level of the transmission path regarding the risk of data loss when transmitting a warning control signal to each transmission path. can be identified. For example, the electronic device 1000 determines the ratio of wired network paths to wireless network paths connected to each repeater device appearing on the transmission path, based on device information appearing in a routing table pre-stored for each device. and identify the total number of connected network paths for each repeater device, and identify the risk level of the transmission path based on the ratio of wired network paths to wireless network paths for each repeater device and the number of total network paths. .
  • the electronic device 1000 determines the ratio of the wired network path to the wireless network path for each repeater device appearing on the transmission path.
  • the determined transmission path can be changed so that the total number of network paths for each repeater device increases.
  • the electronic device 1000 is relatively more efficient when multiple transmission paths having the same data transmission distance level are identified. It is also possible to change to a transmission path with a lower degree of risk.
  • the electronic device 1000 can identify worker-portable IOT devices identified as being located in the monitoring target space, and transmit the warning control signal to the warning devices based on the determined transmission path, and transmit the warning control signal to the warning devices. Independently of the path, the warning control signal can be transmitted to the identified worker-portable IOT devices through LTE communication.
  • the electronic device 1000 identifies location information of the worker's portable IOT device, and based on the volume of the unit work space constituting the monitoring target space and the number of the identified portable IOT devices, By identifying the density of portable IOT devices for each unit work space, the warning control signal and a radio wave control signal for broadcasting the warning control signal are sent together to warning devices located in the unit work space that is above the preset threshold density. You can also send it.
  • Figure 9 is a flowchart of a method by which an electronic device identifies the degree of risk of a transmission path for transmitting a warning control signal, according to an embodiment.
  • the electronic device 1000 may identify the IP addresses of the source terminal, the destination terminal, and a repeater device located between the source terminal and the destination terminal.
  • the electronic device 1000 may obtain a routing table for each of the source terminal, the destination terminal, and a repeater device located between the source terminal and the destination terminal, based on the identified IP address.
  • each repeater device may store a preset routing table
  • the starting terminal may be a device where data transmission begins on one transmission path
  • the destination terminal may be a destination device to which data transmission is intended to reach.
  • the electronic device 1000 determines the ratio of the wired network path to the wireless network path connected to each repeater device appearing on the transmission path and the ratio of the wired network path connected to each repeater device.
  • the total number of network paths can be identified.
  • each repeater in the network may be connected to each other, and one repeater may be connected to at least one wired network or at least one wireless network.
  • the total number of wired and wireless network paths connected to each repeater and the ratio of wired network paths to wireless network paths for each repeater device can be stored, modified, and updated in advance in the routing table.
  • the electronic device 1000 may identify the risk level of the transmission path based on the ratio of wired network paths to wireless network paths for each repeater device and the total number of network paths.
  • the artificial intelligence-based harmful gas leak detection system 10 may transmit a warning control signal or certain data from a starting terminal to a destination terminal (eg, warning devices) through a network.
  • a destination terminal eg, warning devices
  • servers including a gas image detection server, warning control server, and integrated control server may be connected to the network, but also IOT devices and other electronic devices used by workers in the space to be monitored may be connected together. You can.
  • the network may include a starting terminal, a destination terminal, and a plurality of repeater devices connecting the starting terminal and the destination terminal.
  • Each repeater device includes a preset routing table, and when warning control signals transmitted from the originating terminal to the destination terminal are received, warning control signals are transmitted to the next repeater based on the routing information included in the received warning control signals. Can be transmitted.
  • FIG. 10 is a block diagram of an electronic device according to an embodiment.
  • the electronic device 1000 may include a processor 1300, a network interface 1500, and a memory 1700. However, not all of the illustrated components are essential components. The electronic device 1000 may be implemented with more components than the illustrated components, or may be implemented with fewer components.
  • the processor 1300 typically controls the overall operation of the electronic device 1000.
  • the processor 1300 can generally control components included in the electronic device 1000 by executing programs stored in the memory 1700.
  • the processor 1300 may execute programs stored in the memory 1700 to perform all or at least part of the functions of the devices in the hazardous gas leak detection system shown in FIGS. 1 to 9.
  • the processor 1300 acquires first type images of the space to be monitored from at least one first type camera connected to the electronic device by executing the one or more instructions. and acquire second type images of the space to be monitored from at least one second type of camera connected to the electronic device, and identify a target related to the harmful gas from the first type images and the second type images. Check whether an object is identified, and if the target object is identified, separate the target object area from each of the first type images and the second type images, and from the separated target object area, the target Status information regarding at least one of the shape, flow, or movement of the object may be obtained, and based on the status information, the origin of the leak where the target object related to the harmful gas occurred may be identified.
  • the processor 1300 acquires first type images of the space to be monitored from at least one first type camera connected to the electronic device, and captures first type images of the space to be monitored from at least one second type camera connected to the electronic device. Obtain second type images of the monitoring target space from a camera, determine whether a target object related to the harmful gas is identified from the first type images and the second type images, and determine whether the target object is identified. When identified, separate a target object area related to the target object from each of the first type images and the second type images, and at least one of the shape, flow, or movement of the target object appearing in the separated target object area.
  • the leak origin is identified where the target object related to the harmful gas has occurred, and the identified target object has warning generation conditions set differently depending on at least one of the status information or the leak origin. Based on whether it is satisfied, it can be determined whether the harmful gas leaks.
  • the processor 1300 generates warning content including a leak origin at which the target object is identified as being leaked and an entry path for suppressing the target object leak occurring at the leak origin, Transmitting the generated warning content to an integrated control server connected to the electronic device, transmitting a monitoring control signal for controlling a monitoring device connected to the electronic device to track the target object along with transmitting the warning content, and transmitting the warning content
  • a warning control signal for controlling a plurality of types of warning devices that output a warning signal according to the leakage of the target object can be transmitted to the warning devices.
  • the network interface 1500 may include one or more components that allow the electronic device 1000 to communicate with other devices (not shown) and the server 2000.
  • the other device may be a computing device such as electronic device 1000, an alert control server, a gas imaging detection server, a communication device, or a sensing device, but is not limited thereto.
  • the network interface 1500 may include a wireless communication interface, a wired communication interface, and a mobile communication unit.
  • the wireless communication interface includes a short-range wireless communication unit, Bluetooth communication unit, BLE (Bluetooth Low Energy) communication unit, Near Field Communication unit, WLAN (Wi-Fi) communication unit, Zigbee communication unit, and infrared ( It may include, but is not limited to, an IrDA (infrared Data Association) communication unit, a WFD (Wi-Fi Direct) communication unit, and a UWB (ultra wideband) communication unit.
  • Bluetooth communication unit BLE (Bluetooth Low Energy) communication unit
  • Near Field Communication unit Wireless Fidelity
  • WLAN Wi-Fi
  • Zigbee communication unit Zigbee communication unit
  • infrared It may include, but is not limited to, an IrDA (infrared Data Association) communication unit, a WFD (Wi-Fi Direct) communication unit, and a UWB (ultra wideband) communication unit.
  • the memory 1700 may store programs for processing and control of the processor 1300, and may also store data input to or output from the electronic device 1000.
  • the memory 1700 includes at least one artificial intelligence model used by the electronic device 1000, image information about the monitoring target space acquired by the electronic device, laser measurement values, synthetic images, leakage images, warning content, and user control interface. And information about the analysis results of the artificial intelligence model can be stored.
  • the memory 1700 may store information about at least one neural network model used by the electronic device 1000.
  • the memory 1700 may store layers, nodes, and weight values related to connection strengths of the layers within at least one neural network model.
  • the electronic device 1000 may further store learning data generated by the electronic device 1000 in order to learn a neural network model.
  • the memory 1700 may further store information about the operating environment of cameras or servers connected to the electronic device.
  • the memory 1700 may be a flash memory type, a hard disk type, a multimedia card micro type, a card type memory (for example, SD or XD memory, etc.), or RAM.
  • RAM Random Access Memory
  • SRAM Static Random Access Memory
  • ROM Read-Only Memory
  • EEPROM Electrically Erasable Programmable Read-Only Memory
  • PROM Programmable Read-Only Memory
  • magnetic memory magnetic disk , and may include at least one type of storage medium among optical disks.
  • Figure 11 is a block diagram of a server according to one embodiment.
  • the server 2000 may include a network interface 2100, a database 2200, and a processor 2300.
  • the configuration of the server 2000 shown in FIG. 11 includes the gas image detection server 120, warning control server 340, and integrated control server 360 of the artificial intelligence-based harmful gas leak detection system 10 shown in FIG. 3. can correspond to .
  • the network interface 2100 may correspond to a first network interface of the gas image detection server 120, a second network interface of the warning control server 340, and a third network interface of the integrated control server 360.
  • the database 2200 may correspond to the first database of the gas image detection server 120, the second database of the warning control server 340, and the third database of the integrated control server 360, and the processor ( 2300 may correspond to the first processor of the gas image detection server 120, the second processor of the warning control server 340, and the third processor of the integrated control server 360.
  • the network interface 2100 may correspond to the network interface (not shown) of the electronic device 1000 described above.
  • the network interface 2100 may transmit and receive multiple types of image information, laser measurement values, leakage images, target object shape information, composite images, warning contents, warning control signals, and monitoring control signals.
  • the network interface 2100 may receive information about an artificial intelligence model learned by an electronic device, or information about a neural network model (e.g., weight values regarding layers and connection strengths between layers). You can.
  • the network interface 2100 is information about the artificial intelligence model learned by the server, information about the layers of the artificial neural network and nodes included in the layers, or weights about the connection strength of the layers within the neural network. Values may also be transmitted to the electronic device 1000.
  • the database 2200 may correspond to the memory described above with reference to FIG. 10 .
  • the database 2200 stores information about multiple types of images, laser measurement values, monitoring control signals, warning control signals, warning content, leakage images, and composite images received from external devices connected to the server.
  • the analysis results of the artificial intelligence model and information about the artificial intelligence model itself can be stored.
  • the database 2200 is designed so that database information can be searched using only a combination of some keywords and words, and predetermined image data by date, time, and camera location can be searched and searched.
  • the database 2200 can provide information on images about the target object when an event occurs due to detection of a general image and a target object, and may use a separate video storage format for efficient capacity management. You can use it to store data. ⁇
  • the processor 2300 may control the overall operation of the server 2000.
  • the processor 2300 controls the network interface 2100 and the database 2200 to perform the functions performed by the electronic device 1000 or the artificial intelligence-based harmful gas leak detection system 10 shown in FIGS. 1 to 9. All or at least part of the movements can be performed together.
  • FIG. 12 is a diagram illustrating a process for managing a target object leak situation related to harmful gas by linking a monitoring device, a gas image detection server, an alarm control server, an integrated control server, and a warning device according to an embodiment.
  • the monitoring device 1210 may acquire image information including multiple types of image data and laser measurement values.
  • the monitoring device 1210 may transmit image information and laser measurement values to the gas image detection server 1220.
  • the gas image detection server 1220 may identify whether the target object is detected, and if the target object is identified in S1208, the leak origin where the target object related to the harmful gas occurred may be identified.
  • the gas image detection server 1220 acquires first type images generated by sensing visible light in the monitoring target space and second type images generated by sensing infrared rays in the monitoring target space from a monitoring device. And, check whether a target object related to harmful gas is identified from the first type images and the second type images, and if the target object is identified, the first type images and the second type image Separate a target object area related to the target object from each of the target objects, obtain state information about at least one of the shape, flow or movement of the target object from the separated target object area, and based on the state information, The origin of the leak where the target object related to the harmful gas occurs can be identified.
  • the gas image detection server 1220 may determine whether a harmful gas is leaking based on the origin of the leak. For example, when a target object is identified, the gas image detection server 1220 is based on whether the identified target object satisfies warning generation conditions that are differently set according to at least one of the status information or the leak origin. Thus, it is possible to determine whether there is a harmful gas leak.
  • the gas image detection server 1220 identifies the target object as satisfying the warning generation condition when the leakage value according to the leakage amount information of the target object is identified as being greater than the first critical leakage amount, , the leakage value according to the leakage amount information of the target object is smaller than the first critical leakage amount, but the leakage value is identified as being larger than a second critical leakage amount that is smaller than the first critical leakage amount, and a facility in the space matching the leakage origin If the volume of the space to be monitored according to the information is identified as being smaller than the first critical volume, the target object may be identified as satisfying the warning generation condition.
  • the gas image detection server 1220 determines that the leakage value according to the leakage amount information of the target object is smaller than the second critical leakage amount, but the leakage value is greater than the third critical leakage amount smaller than the second critical leakage amount. is identified, and the volume of the space to be monitored according to facility information in the space matching the leak origin is identified as being larger than the first critical volume, but hazardous gas leakage is permitted for each facility according to facility information in the space matching the leak origin. If the level is identified as the first critical acceptance level, the target object may be identified as satisfying the warning generation condition.
  • the gas image detection server 1220 determines that the leakage value according to the leakage amount information of the target object is smaller than the second critical leakage amount, but the leakage value is greater than a third critical leakage amount smaller than the second critical leakage amount. If the volume of the space to be monitored according to facility information in the space matching the leak origin is identified as being larger than the first critical volume, but the worker density in the space matching the leak origin is higher than the predetermined critical density, , the target object can be identified as satisfying the warning generation conditions.
  • the gas image detection server 1220 may transmit information about whether there is a harmful gas leak to the alarm control server 1230. For example, when the gas image detection server 1220 determines that the target object satisfies the warning generation conditions, it determines that a hazardous gas leak has occurred, and sends information about the occurrence of the hazardous gas leak to the alarm control server 1230. Can be transmitted.
  • the alarm control server 1230 may determine a transmission path.
  • the alarm control server 1230 may generate an alarm control signal to control the warning devices.
  • the alarm control server 1230 may propagate an alarm control signal to the warning devices 1250.
  • the alarm control server 1230 transmits the message from the source terminal to the destination terminal via at least one repeater device among the plurality of repeater devices connected to the warning devices.
  • a transmission path for the warning control signal may be determined, and the warning control signal may be transmitted to the warning devices 1250 based on the determined transmission path.
  • the gas image detection server 1220 may generate a control image including a leak image, a composite image, and a user control interface related to the target object, or warning content including the leak image, a composite image, and a user control interface. .
  • the gas image detection server 1220 creates a panorama of the monitoring target space subject to the harmful gas leak detection.
  • a composite image is created by overlapping and displaying a leak image for the leaked target object on an image, an entry path for suppressing a harmful gas leak occurring at the origin of the leak is created, and adjacent areas of the leak image displayed in the composite image are created.
  • User control for manually controlling a monitoring device that is controlled to display status information regarding at least one of the shape, flow or movement of the leak origin and the target object at a location, and to track the target object based on the monitoring control signal.
  • An interface may be displayed in a partial area of the composite image, and the warning content including the leak origin, the entry path, the status information, and the user control interface may be generated.
  • the gas image detection server 1220 may transmit at least one of warning content or a control image to the integrated control server 1240 and the warning devices 1250.
  • the gas image detection server 1220 may transmit a monitoring control signal to the monitoring device 1210.
  • the integrated control server 1240 may transmit a control signal to the monitoring device 1210.
  • the integrated control server 1240 may transmit a warning control signal to the warning devices 1250.
  • the integrated control server 1240 obtains the warning content from the gas image detection server and obtains the user control signal through the user control interface included in the warning content. , the obtained user control signal can be transmitted to the monitoring device 1210.
  • the integrated control server 1240 may control the warning devices 1250 by transmitting a user control signal obtained through a user control interface to the warning devices 1250.
  • the artificial intelligence-based method of identifying the origin of a hazardous gas leak, the artificial intelligence-based method of determining whether there is a hazardous gas leak, and the method of managing the target object leak situation related to hazardous gas according to the present disclosure can be performed through various computer means. It may be implemented in the form of program instructions and recorded on a computer-readable medium.
  • the computer-readable medium may include program instructions, data files, data structures, etc., singly or in combination. Program instructions recorded on the medium may be specially designed and constructed for the present invention or may be known and usable by those skilled in the art of computer software.
  • Examples of computer-readable recording media include magnetic media such as hard disks, floppy disks, and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic media such as floptical disks.
  • Examples of program instructions include machine language code, such as that produced by a compiler, as well as high-level language code that can be executed by a computer using an interpreter, etc.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Environmental & Geological Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Toxicology (AREA)
  • Medical Informatics (AREA)
  • Emergency Management (AREA)
  • Multimedia (AREA)
  • Electromagnetism (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

본 개시는 인공지능 기반 가스 누출을 탐지하는 시스템 및 이의 동작 방법에 관한 것이다. 일 실시 예에 의하면 인공지능 기반 가스 누출을 탐지하는 시스템은 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간에 관한 복수 타입 영상들과, 레이저 신호를 측정하는 모니터링 장치; 가스 누출이 탐지되면 경고 신호들을 출력하는 경고 장치들; 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체를 식별하고, 상기 표적 객체에 대한 누출 원점, 상기 표적 객체가 경고 발생조건을 만족하는 경우 경고 컨텐츠를 생성하는 가스 영상 탐지 서버; 유해 가스 누출이 탐지되면, 경고 컨텐츠를 출력하고, 상기 경고 장치들을 제어하기 위한 경고 제어 신호를 출력하는 경고 제어 서버; 및 상기 경고 컨텐츠를 출력하고, 상기 모니터링 장치를 원격으로 제어하는 통합 관제 서버; 를 포함할 수 있다.

Description

인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법
본 개시는 유해 가스 누출을 탐지하는 시스템 및 이의 동작 방법에 관한 것이다. 보다 상세하게는, 인공지능 모델을 기반으로 유해 가스 누출을 탐지하는 시스템 및 이의 동작 방법에 관한 것이다.
산업현장 또는 다양한 용도의 저장 시설에서는 다양한 종류의 가스들이 사용될 수 있으며, 가스들을 저장하고 사용하는 과정에서, 인명 사고 예방 및 대규모 사고로의 확대되는 것을 방지하기 위해 인체에 치명적이거나 폭발성을 띄는 가스 누출을 초기에 탐지하고 진압하는 것은 매우 중요하다.
그러나 산업현장에서 사용 및 발생되는 가스들은 산업 현장의 규모, 환경 및 시각적으로 인지하기 어려운 가스 자체의 특성들로 인해 초기에 탐지하기 어려운 경우가 많고, 가스의 탐지 및 누출 위치 파악에 많은 시간이 걸리는 한계가 있다. 또한, 일반적인 가스 경보 및 가스 탐지를 위한 기술의 경우 가스 센서, 비디오 카메라를 활용하는 일부 특징들을 개시하고 있으나, 가스의 탐지 및 실시간 추적의 정확도에 한계가 있으며, 가스 누출 원점 탐지 및 경고 전파가 효율적으로 수행되지 않는 한계가 있다.
따라서, 암모니아, 메탄 등과 같이 시각적으로 눈에 잘 띄지 않는 가스 누출을 초기에 탐지하고, 이를 통해 실시간으로 진압 및 통제가 가능하며, 다양한 산업 현장에 적용될 수 있는 가스 누출 탐지 관리 기술 개발이 요구되고 있다.
일부 실시예에 의하면, 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법이 제공될 수 있다. 구체적으로, 모니터링 장치 및 경고 장치들을 통해 가스 누출을 실시간으로 탐지하고, 초기에 가스 누출을 진압할 수 있는 유해 가스 누출 탐지 시스템 및 이의 동작 방법이 제공될 수 있다.
상술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따라, 인공지능 기반 유해 가스 누출 탐지 시스템은 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 획득하고, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 모니터링 장치; 상기 모니터링 대상 공간에 설치되고, 상기 유해 가스 누출이 탐지되면 복수 타입의 경고 신호들을 출력하는 경고 장치들; 상기 모니터링 장치로부터 상기 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 식별된 표적 객체가 누출된 누출 원점을 식별하고, 상기 표적 객체가 기 설정된 경고 발생 조건을 만족하는지 여부에 기초하여 상기 유해 가스 누출을 탐지하며, 상기 유해 가스 누출이 탐지되면 상기 누출 원점, 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하는 가스 영상 탐지 서버; 상기 가스 영상 탐지 서버에 의해 상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 상기 경고 컨텐츠를 출력함과 함께 상기 경고 장치들을 제어하기 위한 경고 제어 신호를 출력하는 경고 제어 서버; 및 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 획득된 경고 컨텐츠를 출력하며, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 사용자 제어 입력을 획득하고, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는 통합 관제 서버; 를 포함할 수 있다.
상기 기술적 과제를 해결하기 위한 본 개시의 또 다른 실시 예에 따라, 인공지능 기반 유해 가스 누출 탐지 시스템이 유해 가스 누출을 관리하는 방법은 모니터링 장치들로부터 복수 타입의 영상들을 획득하는 단계; 상기 획득된 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 결정하는 단계; 상기 표적 객체가 식별되는 경우, 상기 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체의 누출 원점을 결정하는 단계; 를 포함할 수 있다.
또한, 상술한 기술적 과제를 달성하기 위한 본 개시의 일 실시 예에 따라, 인공지능 기반 유해 가스 누출 탐지 시스템이 유해 가스 누출을 관리하는 방법에 있어서, 모니터링 장치들로부터 복수 타입의 영상들을 획득하는 단계; 상기 획득된 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 결정하는 단계; 상기 표적 객체가 식별되는 경우, 상기 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체의 누출 원점을 결정하는 단계; 를 포함하는 방법을 수행하도록 하는 프로그램이 저장된 컴퓨터로 읽을 수 있는 기록 매체가 제공될 수 있다.
일 실시 예에 의하면 유해 가스 누출을 초기에 식별할 수 있다.
일 실시 예에 의하면 유해 가스 누출을 실시간으로 탐지하고, 탐지 결과에 따라 유해 가스 누출을 효과적으로 진압할 수 있다.
도 1은 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 개략적으로 설명하기 위한 도면이다.
도 2는 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 블록도이다.
도 3은 또 다른 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 설명하기 위한 도면이다.
도 4는 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 원점을 식별하는 과정을 나타내는 흐름도이다.
도 5는 일 실시 예에 따른 전자 장치가 복수의 인공지능 모델을 이용함으로써 유해가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 과정을 나타내는 흐름도이다.
도 6은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하는 방법의 흐름도이다.
도 7은 일 실시 예에 따른 전자 장치가 표적 객체의 누출 원점을 식별하는 구체적인 방법의 흐름도이다.
도 8은 일 실시 예에 따른 전자 장치가 렌즈 왜곡 보정에 따른 보정 상태 정보를 획득하는 과정을 설명하기 위한 도면이다.
도 9는 일 실시 예에 따른 전자 장치가 경고 제어 신호 전송을 위한 전송 경로의 위험 정도를 식별하는 방법의 흐름도이다.
도 10은 일 실시 예에 따른 전자 장치의 블록도이다.
도 11은 일 실시 예에 따른 서버의 블록도이다.
도 12는 일 실시 예에 따른 모니터링 장치, 가스 영상 탐지 서버, 경보 제어 서버, 통합 관제 서버 및 경고 장치들이 서로 연동함으로써 유해 가스와 관련된 표적 객체 누출 상황을 관리하는 과정을 설명하기 위한 도면이다.
일 실시 예에 따른 인공지능 기반 유해 가스 누출 탐지 시스템에 있어서, 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 획득하고, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 모니터링 장치; 상기 모니터링 대상 공간에 설치되고, 상기 유해 가스 누출이 탐지되면 복수 타입의 경고 신호들을 출력하는 경고 장치들; 상기 모니터링 장치로부터 상기 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 식별된 표적 객체가 누출된 누출 원점을 식별하고, 상기 표적 객체가 기 설정된 경고 발생 조건을 만족하는지 여부에 기초하여 상기 유해 가스 누출을 탐지하며, 상기 유해 가스 누출이 탐지되면 상기 누출 원점, 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하는 가스 영상 탐지 서버; 상기 가스 영상 탐지 서버에 의해 상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 상기 경고 컨텐츠를 출력함과 함께 상기 경고 장치들을 제어하기 위한 경고 제어 신호를 출력하는 경고 제어 서버; 및 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 획득된 경고 컨텐츠를 출력하며, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 사용자 제어 입력을 획득하고, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는 통합 관제 서버; 를 포함하는, 인공지능 기반 유해 가스 누출 탐지 시스템이 제공될 수 있다.
일 실시 예에 따른 인공지능 기반 유해 가스 누출 탐지 시스템이 유해 가스 누출을 관리하는 방법에 있어서, 모니터링 장치들로부터 복수 타입의 영상들을 획득하는 단계; 상기 획득된 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 결정하는 단계; 상기 표적 객체가 식별되는 경우, 상기 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체의 누출 원점을 결정하는 단계; 를 포함하는 방법이 제공될 수 있다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 개시에 대해 구체적으로 설명하기로 한다.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참고하여 본 개시의 실시 예에 대하여 본 개시가 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 개시는 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시 예에 한정되지 않는다. 그리고 도면에서 본 개시를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
도 1은 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 개략적으로 설명하기 위한 도면이다.
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 유해 가스의 누출을 실시간으로 탐지하고, 유해 가스 누출이 탐지되는 경우 이를 실시간으로 영상화함으로써 가스 진압을 위한 다양한 종류의 통합 관제 솔루션을 상황실 영상 정보 디스플레이로 제공할 수 있다. 인공지능 기반 가스 누출 탐지 시스템(10)은 유해 가스 누출의 실시간 탐지하고, 유해 가스 누출을 진압하기 위한 다양한 종류의 컨텐츠를 제공함으로써 가스 누출 발생시 초기 진압 성공률을 높이고, 이를 통해 대형 사고를 사전에 예방할 수 있다.
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 가스를 사용 및 저장하는 다양한 산업 현장에서 사용될 수 있다. 예를 들어, 인공지능 기반 가스 누출 탐지 시스템(10)은 저탄장에 설치됨으로써 시각적으로 눈에 보이지 않는 메탄(162)을 실시간으로 탐지하도록 사용될 수 있다. 또 다른 실시 예에 의하면 인공지능 기반 가스 누출 탐지 시스템(10)은 암모니아 저장 탱크 또는 암모니아 가스 배관 설비가 마련된 저장소에 설치됨으로써 암모니아(164)를 실시간으로 탐지하도록 사용될 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 본 개시에 따른 인공지능 기반 가스 누출 탐지 시스템(10)은 가스를 사용 및 저장하는 다양한 산업 현장에서 사용될 수 있음은 물론이다. 예를 들어, 인공지능 기반 가스 누출 탐지 시스템(10)은 발전소, 저탄장, 매립장 또는 오수 처리장 과 같은 다양한 종류의 작업현장에 사용됨으로써, 시각적으로 눈에 보이거나, 보이지 않는 다양한 종류의 가스 누출을 탐지하고, 탐지된 가스 누출이 경고 발생 조건에 매칭되는 경우 이를 경고 및 관리하기 위한 컨텐츠들을 제공할 수 있다.
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 복수의 모니터링 장치들(166, 168), 가스 영상 탐지 서버(172), 경고 제어 서버(174), 통합 컨트롤러(178), IP WALL 컨트롤러(180), 저장분배서버(182), 스토리지(184) 및 상황실 영상 정보 디스플레이(186)를 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 인공지능 기반 가스 누출 탐지 시스템(10)은 유해 가스 누출과 관련된 표적 객체 탐지를 위한 더 많은 구성을 포함하거나, 더 적은 구성 요소로 마련될 수 있음은 물론이다.
모니터링 장치들(166, 168)은 유해 가스와 관련된 표적 객체 누출 여부 탐지 대상이 되는 모니터링 대상 공간에 설치됨으로써, 복수 타입의 영상들을 획득하고, 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정할 수 있다. 가스 영상 탐지 서버(172)는 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체를 인식하고, 인식된 표적 객체의 형상, 이동 방향 또는 움직임에 관한 상태 정보에 기초하여 유해 가스 누출 원점을 식별하며, 가스 누출 상황 발생으로 판단되는 경우 누출 영상을 포함한 합성 영상을 통합 관제 서버를 통해 상황실 영상 정보 디스플레이(186)로 전송할 수 있다.
경고 제어 서버(174)는 유해 가스와 관련된 표적 객체가 인식되면, 다양한 경고 장치들을 제어하기 위한 경고 제어 신호를 생성하고, 생성된 경고 제어 신호들을 복수 타입의 경고 장치들을 통해 출력할 수 있다. 일 실시 예에 의하면 가스 영상 탐지 서버(172), 경고 제어 서버(174) 및 모니터링 장치들(166, 168)은 로컬네트워크(171)를 통해 연결될 수 있다.
일 실시 예에 의하면 통합 컨트롤러(178)는 유해 가스 누출을 탐지하기 위한 가스 영상 탐지 서버(172), 경고 제어 서버(174) 및 모니터링 장치들과 같은 장치들을 제어하거나, 이로부터 수신되는 데이터의 송수신을 종합적으로 관리할 수 있다. IP WALL 컨트롤러(180)는 네트워크를 기반으로 모니터링 장치들로부터 획득되는 복수 타입의 영상들이 분배 및 처리되도록 제어할 수 있고, 저장분배서버(182)는 모니터링 장치들로부터 획득되는 복수 타입의 영상들이 스토리지(184)에 저장되도록 제어하고, 스토리지(184)에 저장된 복수 타입의 영상들에 대한 액세스를 제어하며, 필요한 경우 복수 타입 영상들에 대한 데이터들이 소정의 목적지까지 전달되도록 송수신을 제어할 수 있다.
통합 컨트롤러(178), IP WALL 컨트롤러(180), 저장분배서버(182) 및 스토리지(184)는 센서네트워크(176)를 통해 가스영상 탐지 서버(172) 및 경고 제어 서버(174)와 연결될 수 있다. 일 실시 예에 의하면 상황실 영상 정보 디스플레이(186)는 복수 타입의 영상들에 기초하여 생성되는 누출 영상, 합성 영상, 사용자 제어 인터페이스 및 다양한 종류의 경고 컨텐츠들을 출력할 수 있다.
도 2는 일 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 블록도이다.
일 실시 예에 의하면 인공지능 기반 유해 가스 누출 탐지 시스템(10)은 모니터링 장치(200), 전자 장치(1000), 가스 영상 탐지 서버(220), 경고 제어 서버(240), 통합 관제 서버(260), 경고 장치들(232) 및 휴대 IOT 장치들(234)을 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 인공지능 기반 유해 가스 누출 탐지 시스템(10)은 유해 가스 누출을 탐지하기 위한 더 많은 구성 요소를 포함하거나, 더 적은 구성 요소로 마련될 수 있음은 물론이다.
예를 들어, 인공 지능 기반 유해 가스 누출 탐지 시스템(10)은 모니터링 대상 공간 내 작업자들의 휴대 IOT 장치들(234) 및 전자 장치(1000)를 제외하고, 모니터링 장치(200), 가스 영상 탐지 서버(220), 경고 제어 서버(240), 통합 관제 서버(260) 및 경고 장치들(232)을 포함할 수도 있다. 인공지능 기반 가스 누출 탐지 시스템(10)의 각 구성들의 기능은 후술하는 도면들을 참조하여 구체적으로 설명하기로 한다.
도 3은 또 다른 실시 예에 따른 인공지능 기반 가스 누출 탐지 시스템의 동작 과정을 설명하기 위한 도면이다.
본 개시에 따른 인공지능 기반 가스 누출 탐지 시스템(10)은 모니터링 대상 공간(301)에 설치된 모니터링 장치(300)로부터 복수 타입의 영상들에 관한 영상 정보(306) 및 레이저 측정값(308)을 획득하고, 획득된 영상 정보(306) 및 레이저 측정값(308)에 기초하여 모니터링 대상 공간 내 유해 가스와 관련된 표적 객체의 누출이 발생하였는지 여부를 실시간으로 탐지하며, 표적 객체 누출 상황이 발생하는 경우, 경고 컨텐츠 및 경고 제어 신호를 출력함으로써 유해 가스 누출 상황을 초기에 진압하도록 할 수 있다.
일 실시 예에 의하면, 인공지능 기반 가스 누출 탐지 시스템(10)은 모니터링 장치(300), 전자 장치(1000), 가스 영상 탐지 서버(320), 경고 제어 서버(340), 통합 관제 서버(360), 경고 장치들(332) 및 휴대 IOT 장치(334)를 포함할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 영상 데이터들과 신호들을 획득, 처리 및 저장할 수 있는 컴퓨팅 장치로, 유해 가스 누출 탐지를 위해 가스 영상 탐지 서버(320), 경고 제어 서버(340), 통합 관제 서버(360)가 수행하는 기능의 전부 또는 적어도 일부를 함께 수행할 수 있다.
일 실시 예에 의하면 모니터링 장치(300)는 상하 이동을 통해 모니터링 대상 공간의 일 지점을 모니터링하는 엘리베이션 타입(302)과, 레일 상을 이동함과 함께 엘리베이션 폴대를 통해 상하 이동이 가능한 레일 타입(304)을 포함할 수 있다. 모니터링 장치(3000)는 모니터링 대상 공간(301)으로부터 획득된 영상 정보(306) 및 레이저 측정값(308)에 기초하여 전자 장치(1000)로부터 모니터링 제어 신호(312)가 수신되면 모니터링 제어 신호에 따라 팬 이동, 틸트 이동, 상하 이동을 수행할 수 있다.
전자 장치(1000)는 가스 영상 탐지 서버(320), 경고 제어 서버(340) 및 통합 관제 서버(360)가 수행하는 기능 전부 또는 적어도 일부를 함께 수행할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체의 누출 원점을 식별하고, 표적 객체가 경고 발생 조건을 만족하는지 여부를 결정하며, 경고 발생 조건 만족에 따라 유해 가스 누출 상황이 발생한 것으로 식별되면, 경고 컨텐츠, 경고 제어 신호 및 모니터링 제어 신호를 생성하고, 생성된 경고 컨텐츠, 경고 제어 신호 및 모니터링 제어 신호를 전파할 수 있다.
일 실시 예에 의하면, 가스 영상 탐지 서버(320)는 모니터링 장치(300)로부터 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들(예컨대 가시광선 영상들 및 적외선 영상들)로부터 유해 가스와 관련된 표적 객체(예컨대 표적 가스 또는 표적 연기)가 식별되는지 여부를 확인하며, 식별된 표적 객체가 누출된 누출 원점을 식별하고, 정량화된 탐지 조건에 기초하여, 검출된 표적 객체가 소정의 경고 발생 조건을 만족하는지 여부에 기초하여, 유해 가스가 누출되었는지, 상기 유해 가스 누출에 따른 비상상황인지 여부를 결정하고, 유해 가스 누출이 탐지되면, 누출 원점 및 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성할 수 있다.
일 실시 예에 의하면, 경고 제어 서버(340)는, 가스 영상 탐지 서버(320)에 의해, 유해 가스의 누출(예컨대 표적 객체의 누출)이 탐지되면, 모니터링 장치(300)가 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 통합 관제 서버(360)에 의한 경고 컨텐츠 출력과 함께 다양한 타입의 경고 장치들(332)(예컨대 스피커, 경광등, 디스플레이 등)을 제어하기 위한 경고 제어 신호들을, 소정의 전송 경로에 기초하여 전송할 수 있다.
통합 관제 서버(360)는 가스 영상 탐지 서버(320)로부터 경고 컨텐츠를 획득하고, 획득된 경고 컨텐츠를 출력할 수 있다. 일 실시 예에 의하면 통합 관제 서버(360)는 경고 컨텐츠와 함께 사용자 제어 인터페이스를 출력하고, 사용자 제어 인터페이스를 통해 획득되는 사용자 제어 입력에 기초하여 모니터링 장치 또는 경고 장치들을 원격으로 제어할 수 있다.
일 실시 예에 의하면, 경고 장치들(332)은 가스 영상 탐지 서버에서 생성되는 경고 컨텐츠를 출력하기 위한 디스플레이, 복수 타입의 경고 신호들 중, 시각적 경고 신호를 출력하기 위한 경광등, 상기 경고 신호들 중 청각적 경고 신호를 출력하기 위한 스피커 중 적어도 하나를 포함할 수 있다.
일 실시 예에 의하면, 가스 영상 탐지 서버(320), 경고 제어 서버(340), 통합 관제 서버(360), 전자 장치(1000), 경고 장치들(332), 휴대 IOT 장치(334) 및 모니터링 장치(300)는 네트워크(380)를 통해 서로 연결될 수 있다. 일 실시 예에 의하면 네트워크(380)는 인공지능 기반 가스 누출 탐지 시스템(10)내 각 장치들이 서로 통신하기 위한 통신 장치들을 포함할 수 있다. 일 실시 예에 의하면 네트워크(380)는 근거리 통신망(Local Area Network; LAN), 광역 통신망(Wide Area Network; WAN), 부가가치 통신망(Value Added Network; VAN), 이동 통신망(mobile radio communication network), 위성 통신망, 각 네트워크 구성 주체들이 통신을 할 수 있도록 하는 포괄적 의미의 데이터 통신망 및 이들의 상호 조합을 포함할 수 있다.
또한, 일 실시 예에 의하면, 네트워크(380)는 라우팅 테이블이 저장된 복수의 중계기(예컨대 라우터) 장치들, 상기 중계기 장치들을 통해 데이터를 송수신하기 위한 유선 네트워크 인터페이스 및 무선 네트워크 인터페이스를 포함할 수 있다. 그러나 상술한 예에 한정되는 것은 아니며, 인공지능 기반 가스 누출 탐지 시스템(10)내 각 장치들이 데이터 송수신을 하기 위해 필요한 기타 통신 장치들을 더 포함할 수도 있다.
또한, 일 실시 예에 의하면, 전자 장치(1000)는 합성 영상, 경고 컨텐츠등을 저장 및 관리할 수 있다. 예를 들어, 전자 장치(1000)는 제한된 데이터 내에서 효율적 설계를 위해 RDBMS (Relative Database Management System)구조에 따라 영상 데이터들을 관리할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 저장된 영상 데이터를 검색하기 위한 전자 장치(1000)에 대한 사용자 입력에 기초하여, 소정의 영상들을 출력할 수도 있다. 일 실시 예에 의하면, 전자 장치(1000)는 DB SELECT를 이용하여 키워드 일부 및 단어 조합에 기초하여 소정의 저장된 영상 데이터를 출력할 수 있다. 또한, 일 실시 예에 의하면, 전자 장치(1000)는 RDBMS의 효율적 탐색을 위해 SQL을 기반으로 시스템을 구성하고, 고성능화와 사용자 경험 최적화를 위해 다중 조건 내에서 조건을 제한 문자열을 배열하는 구조를 SELECT문으로 기본 설계되도록 마련될 수 있다.
도 4는 일 실시 예에 따른 전자 장치가 인공지능 기반 유해 가스 누출 원점을 식별하는 과정을 나타내는 흐름도이다.
S410에서, 전자 장치(1000)는 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득할 수 있다. S420에서, 전자 장치(1000)는 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득할 수 있다. 예를 들어, 제1 타입의 카메라 및 상기 제2 타입의 카메라는 각각 EO 카메라(Electro-Optical 카메라, EO 카메라) 및 OGI 카메라(Optical Gas Imaging Camera, OGI 카메라)이고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들은 각각 가시광선 영상들(예컨대 EO 영상들) 및 적외선 영상들(예컨대 OGI 영상들)일 수 있다.
S430에서, 전자 장치(1000)는 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인할 수 있다. 예를 들어, 전자 장치(1000)는 객체 인식을 위한 적어도 하나의 인공지능 모델을 이용하여 제1 타입 영상들 및 상기 제2 타입 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)가 식별하는 표적 객체는 가스 객체, 연기 객체 또는 불꽃 객체 중 적어도 하나를 포함할 수 있다. 또한, 일 실시 예에 의하면 가스 객체는 메탄 또는 암모니아와 관련된 가스 객체로 마련될 수 있다.
S440에서, 전자 장치(1000)는 표적 객체가 식별되는 경우, 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리할 수 있다. 예를 들어, 전자 장치(1000)는 표적 객체 영역에 대한 가중치를 투명도 레벨로 나타내는 알파 채널 값(예컨대, 알파 채널 값은 표적 객체 영역에 대한 가중치를 투명도 레벨로 나타내는 정보를 포함)에 따른 마스킹 객체 및 표적 객체 영역을 생성하는데 사용된 이미지 센서 값에 기초하여 생성된 그레디언트 캐핑 테이블을 함께 이용함으로써, 이미지 센서 값만을 포함하는 표적 객체 영역을 분리할 수 있다. 본 개시에 따른 전자 장치(1000)는 제1 타입 영상들 및 제2 타입 영상들로부터 연기, 가스 또는 불꽃 중 적어도 하나에 관한 표적 객체가 식별되는 경우, 표적 객체 영역을 분리함으로써 높은 시인성을 확보할 수 있도록 하며, 분리된 표적 객체 영역에 대해 원점 추적이 가능하게 하는 장점이 있다.
S450에서, 전자 장치(1000)는 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득할 수 있다. 예를 들어, 상태 정보는 표적 객체의 외곽선에 기초하여 결정되는 방향 벡터에 관한 형상 정보, 표적 객체의 이동 방향에 관한 흐름 정보, 상기 표적 객체의 이동 속도 및 누출량에 관한 움직임 정보 중 적어도 하나를 포함할 수 있다. S460에서, 전자 장치(1000)는 표적 객체의 상태 정보에 기초하여 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다. 후술하는 도 5를 참조하여 전자 장치(1000)가 표적 객체를 식별하는 과정을 구체적으로 설명하기로 한다.
도 5는 일 실시 예에 따른 전자 장치가 복수의 인공지능 모델을 이용함으로써 유해가스와 관련된 표적 객체가 식별되는지 여부를 확인하는 과정을 나타내는 흐름도이다.
일 실시 예에 의하면, 전자 장치(1000)는 복수의 인공 지능 모델을 이용하여 복수 타입의 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인할 수 있다. 일 실시 예에 의하면 복수의 인공 지능 모델은 표적 객체 식별을 위한 CNN (Convolutional Neural Network), DNN (Deep Neural Network), RNN (Recurrent Neural Network), RBM (Restricted Boltzmann Machine), DBN (Deep Belief Network), BRDNN(Bidirectional Recurrent Deep Neural Network) 또는 심층 Q-네트워크 (Deep Q-Networks) 일 수 있으나, 이에 한정되는 것은 아니다.
또 다른 실시 예에 의하면, 복수의 인공 지능 모델은 표적 객체를 식별하기 위해, 영상 내 소정의 객체 후보 영역이 표적 객체에 대응될 확률 값에 기초하여 소정의 객체 후보 영역들을 바운더리 박스 형태로 출력하고, 출력된 박스 형태의 객체 후보 영역 내 표적 객체의 종류를 식별하는 YOLO, R-CNN, SSD 와 같은 객체 컴퓨터 비전 모델일 수 있다. 또 다른 실시 예에 의하면, 복수의 인공 지능 모델은 제2 타입 영상들을 푸리에 변환함으로써 획득되는 적외선 분광 스펙트럼 정보 중, 목적하는 표적 객체에 대한 스펙트럼을 식별할 수 있는 기계 학습 모델로, 서포트 벡터 머신 모델 또는 우도비 검정 모델을 더 포함할 수도 있다.
일 실시 예에 의하면, S510에서, 전자 장치(1000)는 제1 타입 영상들 및 상기 제2 타입 영상들이 입력되면, 상기 표적 객체가 식별되는지 여부를 확인하는 제1 인공지능 모델에 상기 제1 타입 영상들 및 상기 제2 타입 영상들을 입력함으로써, 상기 제1 인공지능 모델로부터 획득되는 상기 제1 인공지능 모델의 출력 값을 획득할 수 있다. 전자 장치(1000)는 제1 인공 지능 모델의 출력 값에 기초하여 상기 표적 객체가 식별되는지 여부를 확인할 수 있다. 전자 장치(1000)는 제1 타입 학습 영상들(EO 영상들)과 제2 타입 학습 영상들(OGI 영상들)에 기초하여 제1 인공지능 모델을 미리 학습시킬 수도 있다. 제1 인공지능 모델은 복수 타입 영상들로부터 표적 객체 영역을 바운딩 박스 형태로 출력함과 함꼐, 바운딩 박스 내 표적 객체의 누출량, 이동 방향 또는 종류 중 적어도 하나에 관한 상태를 더 출력할 수도 있다.
S520에서, 전자 장치(1000)는 제1 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되지 않는 것으로 확인되는 경우, 상기 제2 타입 영상들을 푸리에 변환함으로써 적외선 분광 스펙트럼 정보를 획득할 수 있다. 일 실시 예에 의하면 적외선 분광 스펙트럼 정보는 제2 타입 영상들을 푸리에 변환함으로써 획득되는 주파수 별 크기 및 위상에 대한 정보를 포함할 수 있다. 일 실시 예에 의하면, 제1 인공 지능 모델은 목적하는 표적 객체를 인식하도록 미리 학습되는 객체 인식모델일 수 있다.
S530에서, 전자 장치(1000)는 상기 획득된 적외선 분광 스펙트럼 정보가 입력되면, 상기 표적 객체가 식별되는지 여부를 확인하는 제2 인공지능 모델에 상기 적외선 분광 스펙트럼 정보를 입력함으로써, 상기 제2 인공지능 모델로부터 제2 인공지능 모델의 출력 값을 획득할 수 있다. 전자 장치(1000)는 제2 인공 지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되는지 여부를 확인할 수 있다. 일 실시 예에 의하면, 제2 인공 지능 모델은 우도비 검정 모델일 수 있다. 본 개시에 따른 전자 장치(1000)는 우도비 검정 알고리즘을 이용함으로써 복수 타입 영상들 내, 표적 객체와 배경의 간섭 물질을 분리함으로써, 보다 선명하게 표적 객체를 관찰할 수 있다. 제2 인공지능 모델은 표적 객체가 식별되는 것으로 판별되는 영역의 적외선 분광 스펙트럼 정보와, 표적 객체가 식별되지 않는 노이즈 영상들의 적외선 분광 스펙트럼 정보로부터 각각 획득되는 위상 스펙트럼 및 크기 스펙트럼에 기초하여 적외선 영상들로부터 표적 객체를 식별할 수 있다.
또한, 일 실시 예에 의하면, 전자 장치(1000)는 표적 객체 및 배경 간섭 물질 각각의 주파수 별 분광 스펙트럼 이미지를 클러스터링하고, 클러스터링된 주파수 별 분광 스펙트럼 이미지를 통계적으로 분석함으로써 주파수 패턴 라이브러리를 생성할 수 있다. 전자 장치(1000)는 상기 주파수 패턴 라이브러리에 기초하여 제2 인공 지능 모델이, 클러스터링된 적외선 분광 스펙트럼 정보로부터, 상기 표적 객체에 대한 주파수 별 크기 및 위상 값에 따른 주파수 패턴을 분류하도록 학습시킬 수 있다.
보다 상세하게는, 제2 인공 지능 모델은 적외선 분광 스펙트럼 정보가 입력되면, 표적 객체에 대한 미리 설정된 주파수 패턴을 분류하도록 미리 학습됨으로써, 상기 표적 객체에 대한 적외선 분광 스펙트럼이 있는지 여부를 확인할 수 있다. 일 실시 예에 의하면 적외선 분광 스펙트럼은 주파수 별 크기 및 위상 값에 따른 다양한 타입의 주파수 패턴을 포함할 수 있다. 상술한 과정에 따라 학습된 제2 인공 지능 모델은 분광 스펙트럼 정보가 입력되면 가장 우도가 높은 분광 스펙트럼에 대응되는 모수를 표적 객체의 종류로 식별할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 표적 객체가 식별되는 것으로 기 판별된 제2 타입 영상들 및 표적 객체가 식별되지 않는 노이즈 영상들 각각에 대해 결정된 주파수 조밀도 정보에 기초하여 푸리에 변환 계수를 조정하고, 조정된 푸리에 변환 계수에 기초하여, 표적 객체가 식별되지 않는 것으로 식별된 제2 타입 영상들을 푸리에 변환함으로써 적외선 분광 스펙트럼 정보를 획득할 수 있다.
S540에서, 전자 장치(1000)는 제2 인공지능 모델의 출력 값에 기초하여, 상기 표적 객체가 식별되지 않는 것으로 확인되는 경우, 상기 적외선 분광 스펙트럼 정보가 입력되면, 상기 표적 객체가 식별되는지 여부를 확인하는 제3 인공지능 모델에 상기 적외선 분광 스펙트럼 정보를 입력할 수 있다. 전자 장치(1000)는 상기 적외선 분광 스펙트럼 정보를 상기 제3 인공 지능 모델에 입력함으로써, 상기 제3 인공 지능 모델로부터 상기 제3 인공 지능 모델의 출력 값을 획득하고, 획득된 상기 제3 인공 지능 모델의 출력 값에 기초하여 표적 객체가 식별되는지 여부를 확인할 수 있다.
일 실시 예에 의하면, 제3 인공 지능 모델은 서포트 벡터 머신 모델 (Support Vector Machine, SVM)일 수 있다. 예를 들어, 제3 인공 지능 모델은 적외선 분광 스펙트럼 정보가 입력되면, 최적화된 초평면에 기초하여 표적 객체에 대한 스펙트럼을 분류할 수 있도록, 주파수 패턴 라이브러리에 기초하여 학습될 수 있다. 본 개시에 따른 전자 장치(1000)는 서포트 벡터 머신 모델을 이용함으로써 복수 타입 영상들 내 표적 객체 및 배경의 간섭 물질 각각에 대한 분광 스펙트럼을 공간상으로 분류함으로써 표적 객체를 더 정확하게 식별할 수 있다.
예를 들어 전자 장치(1000)는 적외선 학습 분광 스펙트럼 정보를 획득하고, 획득된 적외선 학습 분광 스펙트럼 정보를 특징 벡터 형태로 전처리하며, 특징 벡터 형태로 전처리된 적외선 학습 분광 스펙트럼 정보가 입력되면, 특징 벡터를 분류하도록 초평면을 결정할 수 있다. 예를 들어, 전자 장치(1000)는 최적화 문제의 해 연산을 통해 초평면의 법선 벡터를 결정하고, 상기 결정된 법선 벡터를 가지는 초평면을 결정할 수 있다. 전자 장치(1000)는 스펙트럼 정보를 포함하는 특징 벡터 집단 사이에서 초평면과 가장 가까운 서포트벡터 사이의 거리를 나타내는 마진을 최대화하도록, 초평면을 수정 및 갱신함으로써 제3 인공 지능 모델을 학습시킬 수 있다.
본 개시에 따른 전자 장치(1000)는 서포트 벡터 머신 모델의 초평면 최적화를 통해 과적합을 방지하고, 과적합이 방지된 서포트 벡터 머신 모델을 이용함으로써 우도비 검정 모델만을 이용 시 발생할 수 있는 기존 데이터셋의 의존 한계를 극복할 수 있을 뿐만 아니라, 우도비 검정 모델 판정과 함께 다양한 모니터링 환경에서 표적 객체 식별을 보다 효과적으로 수행할 수 있다.
또한, 도 5에는 도시되지 않았지만, 일 실시 예에 따르면, 전자 장치(1000)는 제3 인공 지능 모델의 표적 식별 정확도를 향상시키기 위해, 적외선 학습 분광 스펙트럼을 특징 벡터 형태로 전처리하는 과정에서, 상기 적외선 학습 분광 스펙트럼의 오프셋(OFF SET)을 제거하고, 바탕선 보정(Baseline correction) 알고리즘을 적용하는 바탕선 보정을 더 수행하는 과정을 포함하는 추가 전처리 과정을 더 수행할 수 있다. 전자 장치(1000)는 상기 추가 전처리 과정을 통해 생성된 적외선 학습 분광 스펙트럼에 기초하여 제3 인공 지능 모델을 학습시킴으로써 표적 객체를 더 정확하게 식별할 수 있다.
도 6은 일 실시 예에 따른 전자 장치가 유해 가스와 관련된 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하는 방법의 흐름도이다.
S610에서, 전자 장치(1000)는, Canny Edge 검출 알고리즘 또는 기타 엣지 검출 알고리즘에 기초하여 식별되는, 분리된 표적 객체 영역 내 상기 표적 객체의 외곽선의 중심점으로부터 식별되는 방향 벡터들 중, 가장 큰 방향 벡터에 직교하는 외곽선에 대한 방향 벡터를 표적 객체의 형상 정보로 추출할 수 있다. S620에서, 전자 장치(1000)는 형상 정보에 기초하여 상기 제1 타입 영상들 및 상기 제2 타입 영상들이 입력된 시점으로부터 소정의 프레임 간격이 경과된 시점에서의 표적 객체의 흐름 정보를 결정할 수 있다. 일 실시 예에 의하면, 흐름 정보는 인접한 프레임 이미지들에서 추출된 형상 정보의 차성분을 포함할 수 있다. 예를 들어, 전자 장치(1000)는 인접하는 두개의 프레임 이미지 각각에서 추출된 형상 정보의 차성분을 이동 방향 벡터들로 결정하고, 이동 방향 벡터들의 합산 벡터에 대한 정보를 흐름 정보로 결정할 수 있다.
S630에서, 전자 장치(1000)는 흐름 정보에 기초하여 상기 표적 객체의 이동 속도 또는 상기 표적 객체의 누출량 중 적어도 하나를 포함하는 움직임 정보를 결정할 수 있다. S640에서, 전자 장치(1000)는 형상 정보, 흐름 정보 또는 움직임 정보 중 적어도 하나를 상기 상태 정보로 획득할 수 있다. 본 개시에 따른 전자 장치(1000)는 표적 객체의 형태, 이동 방향 또는 움직임 중 적어도 하나에 관한 상태 정보에 기초하여 누출 원점을 정확하게 식별할 수 있다. 예를 들어, 전자 장치(1000)는 이동 방향 벡터들을 결정하는데 사용된 소정의 프레임 이미지들이 속한 프레임 구간의 시간 값 및 합산 벡터의 변량에 기초하여 결정되는 표적 객체의 이동 속도를 결정하고, 기 결정되는 모니터링 대상 공간 정보 및 합산 벡터들의 변량에 기초하여 표적 객체의 누출량 정보를 결정하며, 이동 속도 및 누출량 정보를 상기 움직임 정보로 결정할 수 있다.
도 7은 일 실시 예에 따른 전자 장치가 표적 객체의 누출 원점을 식별하는 구체적인 방법의 흐름도이다.
S710에서, 전자 장치(1000)는 상기 적어도 하나의 제1 타입의 카메라 및 상기 적어도 하나의 제2 타입의 카메라를 포함하는 카메라 설치 셋으로부터 팬틸트 정보 및 카메라 설치셋의 위치 정보를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 모니터링 장치 내 카메라 설치셋으로부터 현재 카메라 설치 셋이 설치된 좌표 값을 포함하는 위치 정보와, 현재 모니터링 대상 공간을 향하고 있는 카메라 설치셋의 팬 각도값 및 틸트 각도 값을 포함하는 팬틸트 정보를 획득할 수 있다.
S720에서, 전자 장치(1000)는 표적 객체의 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득할 수 있다. 예를 들어, 전자 장치(1000)는 표적 객체의 형상 정보, 흐름 정보 또는 움직임 정보 중 적어도 하나에 기초하여 모니터링 대상 공간 내 일 지점으로 레이저 신호를 송신하도록 레이저 측정기를 제어하고, 상기 일 지점으로부터 반사되는 레이저 신호를 측정함으로써 획득된 레이저 측정 값을 레이저 측정기로부터 획득할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 복수 타입의 영상들에 포함된 인접하는 소정의 프레임 이미지들로부터 이동 방향 벡터들을 검출하고, 복수 타입 영상들에서 이동 방향 벡터들이 지속적으로 추출되는 프레임 이미지상 일 지점에 대응되는 공간상의 대응 지점으로부터 레이저 측정 값을 획득할 수 있다.
S730에서, 전자 장치(1000)는 카메라 설치셋의 위치 정보를 원점으로 하는 구면 좌표계에서 상기 표적 객체의 상대적 위치에 관한 제1 좌표를 결정할 수 있다. S720에서, 전자 장치(1000)는 제1 좌표, 상기 레이저 측정 값 및 상기 공간 정보에 기초하여 상기 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경할 수 있다. 예를 들어, 전자 장치(1000)는 구면 좌표계에서 표현된 제1 좌표 값에 대해 상기 레이저 측정 값에 따른 거리(또는 깊이)값과 상기 공간 정보에 포함된 지도 정보를 적용함으로써 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경할 수 있다. S750에서, 전자 장치(1000)는 상기 제2 좌표를 상기 표적 객체가 발생된 누출 원점으로 식별할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 모니터링 장치 내 제1 타입의 카메라들로부터 획득되는 제1 타입 영상들 내 복수의 프레임 이미지들을 기하적으로 매칭하고, 매칭된 복수의 프레임 이미지들의 매칭 에러를 보정함으로써 파노라마 영상을 생성하고, 상기 생성된 파노라마 영상에 분리된 표적 객체 영역에 대한 누출 영상 및 누출 원점을 중첩하여 표시함으로써 합성 영상을 생성할 수 있다.
또 다른 실시 예에 의하면, 전자 장치(1000)는 제1 타입 영상 및 제2 타입 영상들을 호모그래피 매칭(SURF) 방식 또는 H-matrix correspondence 방식 중 적어도 하나에 관한 기하학적 방식으로 매칭한 후, 각 타입 영상들에서 추출된 객체와 관련된 특징점들을 기준으로, 기하학적으로 매칭된 제1 타입 영상들 및 제2 타입 영상들의 매칭 에러를 보정하는 방식으로 합성 영상을 생성할 수도 있다. 예를 들어, 전자 장치(1000)는 두 대응되는 타입의 영상들 사이에 투시 변환(Perspective transform)을 수행하기 위한 투시 변환 행렬을 이용하여 제1 타입 영상들 및 제2 타입 영상들을 기하학적으로 매칭한 후, 호모그래피 함수를 이용한 호모그래피 매칭 과정에서 잘못 매칭된 매칭 에러를 결정할 수 있다.
도 8은 일 실시 예에 따른 전자 장치가 렌즈 왜곡 보정에 따른 보정 상태 정보를 획득하는 과정을 설명하기 위한 도면이다.
S810에서, 전자 장치(1000)는 분리된 표적 객체 영역에 대해 제1 타입 영상들 및 상기 제2 타입 영상들을 전송한 카메라 각각에 대해 미리 설정되는 렌즈 왜곡 값을 식별하고, 상기 식별된 왜곡 값 제거를 위한 왜곡 보정을 수행할 수 있다. S820에서, 전자 장치(1000)는 왜곡 보정이 수행된, 분리된 표적 객체 영역에 대해, 도 6에서 상술한 방법을 적용함으로써, 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 보정 상태 정보를 획득할 수 있다.
본 개시에 따른 전자 장치(1000)는 상술한 과정에 따라 카메라 렌즈의 왜곡값이 감소된 표적 객체 영역의 이미지 정보를 획득하고, 상술한 왜곡 보정이 수행된 표적 객체 영역으로부터 상태 정보를 획득함으로써 보다 정확한 표적 객체의 상태 정보를 결정할 수 있다. 전자 장치(1000)는 보정 상태 정보에 기초하여 결정되는 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 획득하고, 획득된 레이저 측정 값, 공간 정보 및 제1 좌표에 기초하여 보다 정확한 표적 객체 누출 원점에 관한 좌표인 제2 좌표를 결정할 수 있다.
본 개시에 따른 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되고, 식별된 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 결정할 수 있다. 또한, 전자 장치(1000)는 상태 정보에 기초하여 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다. 전자 장치(1000)는 상태 정보 또는 누출 원점 중 적어도 하나에 기초하여, 상기 식별된 표적 객체가 경고 발생 조건을 만족하는지 여부를 결정할 수 있다. 본 개시에 따른 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되는 경우, 식별된 표적 객체가 실제로 모니터링 대상 공간 내 중대한 사고를 유발시킬 수 있는 정도의 유해 가스 관련 객체인지 여부를 정량화된 탐지 조건에 따라 판단할 수 있다.
전자 장치(1000)는 식별된 표적 객체가 상태 정보 또는 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정할 수 있다. 예를 들어, 전자 장치(1000)는 경고 발생 조건을 미리 결정하고, 결정된 경고 발생 조건에 기초하여 식별된 표적 객체가 누출 시 사고를 유발할 수 있는 정도의 표적 객체인지 여부를 식별할 수 있다. 전자 장치(1000)는 표적 객체가 소정의 경고 발생 조건을 만족하는 경우, 유해 가스 누출이 된 것으로 결정하고, 소정의 경고 제어 신호, 모니터링 제어 신호 및 경고 컨텐츠들을 출력할 수 있다.
또한, 전자 장치(1000)는 표적 객체가 발생된 누출 원점이 식별되면, 식별된 누출 원점에 매칭되는 모니터링 대상 공간의 시설 정보를 더 획득할 수 있다. 전자 장치(1000)는 상기 상태 정보, 누출 원점 또는 시설 정보 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 상기 표적 객체의 누출량 정보에 따른 누출량 값이 임계 누출량 보다 큰 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.
또 다른 일 실시 예에 의하면, 전자 장치(1000)는 상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 임계 누출량 보다 작은 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 임계 부피보다 작은 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.
또 다른 일 실시 예에 의하면, 전자 장치(1000)는 상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 임계 누출량 보다 작고, 상기 모니터링 대상 공간의 부피가 상기 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도보다 높으면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 표적 객체의 누출량에 기초하여 경고 발생 조건 만족 여부를 식별하고 유해 가스 누출 상황에 따른 경고 발생 여부를 판단할 수 있다. 또한, 일 실시 예에 따른 전자 장치(1000)는 누출량 뿐만 아니라, 누출 원점에 매칭되는 모니터링 대상 공간의 부피, 상기 모니터링 대상 공간 내 시설 별로 미리 설정되는 가스 누출 민감도에 따른 임계 허용 수준 및 상기 누출 원점에 매칭되는 모니터링 대상 공간의 작업자 밀집도에 기초하여 경고 발생 조건을 구체화하고, 구체화된 경고 발생 조건에 따라 표적 객체가 식별되는 상황을 정량화함으로써, 표적 객체가 경고 발생 조건 만족에 따른 실제로 위험한지 여부를 정확하게 결정할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 유해 가스와 관련된 표적 객체가 식별되고, 식별된 표적 객체가 소정의 경고 발생 조건을 만족함에 따라, 실제로 위험한 표적 객체가 누출된 것으로 판단되는 경우, 경고 컨텐츠, 모니터링 제어 신호 및 경고 제어 신호들을 생성 및 전송함으로써, 표적 객체 누출 상황을 효과적으로 관리할 수 있다.
예를 들어, 전자 장치(1000)는 표적 객체가 누출된 것으로 식별되는 누출 원점 및 상기 누출 원점에서 발생된 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성할 수 있다. 또 다른 실시 예에 의하면 전자 장치(1000)가 생성하는 경고 컨텐츠는 적어도 일부 영역에 누출 영상, 누출 원점, 합성 영상, 진입 경로, 사용자 제어 인터페이스 중 적어도 하나를 포함할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 상기 경고 컨텐츠를 상기 통합 관제 서버로 전송과 함께 상기 전자 장치와 연결된 모니터링 장치가 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를 전송할 수 있다. 전자 장치(1000)는 경고 컨텐츠 전송과 함께 모니터링 장치로 모니터링 제어 신호를 전송함으로써, 모니터링 장치들이 자동으로 유해 가스와 관련된 표적 객체를 추적하도록 제어할 수 있다.
또한, 일 실시 예에 의하면, 전자 장치(1000)는 기 설정된 주기에 기초하여, 통합 관제 서버로부터 상기 사용자 제어 인터페이스를 통해 사용자 제어 입력이 획득되는지 여부를 다시 확인할 수 있으며, 상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되지 않는 것으로 식별되는 경우, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 하기 위한 제어 신호를 미리 설정된 주기에 따라 전송할 수 있다.
즉, 본 개시에 따른 전자 장치(1000)는 표적 객체를 자동추적하기 위한 모니터링 제어 신호를 모니터링 장치로 전송함으로써 모니터링 장치들을 자동으로 제어하는 과정에서 모니터링 장치를 수동으로 제어하기 위한 사용자 제어 입력이 식별되는 경우, 사용자 제어 입력에 기초하여 모니터링 장치들을 우선적으로 제어함으로써, 관제자로 하여금 표적 객체 추적이 용이하도록 할 수 있다. 또한, 전자 장치(1000)는 모니터링 장치를 수동 제어하기 위한 사용자 제어 입력이 미리 설정된 시간 동안 획득되지 않는 경우, 다시 모니터링 제어 신호를 자동으로 생성 및 모니터링 장치로 생성된 모니터링 제어 신호를 전송함으로써, 오래 시간 사용자 수동 제어 입력이 획득되지 않는 경우, 다시 모니터링 장치를 자동으로 제어 및 표적 객체를 추적하도록 함으로써, 효과적으로 표적 객체 추적이 지속되도록 할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 모니터링 대상 공간에 대해 미리 획득되는 공간 정보를 획득할 수 있다. 예를 들어, 전자 장치(1000)는 유해 가스 누출 탐지를 위해 관리 대상이 되는 모니터링 대상 공간의 지형 정보, 시설 정보, 대상 공간을 소정의 단위 구획으로 구분한 단위 공간의 형태 정보, 단위 공간의 면적 정보, 단위 공간의 체적 정보, 단위 작업 공간 별로 작업자들이 많이 위치하는 정동 관한 작업자 밀집도 정보 또는 출입문의 위치 정보 중 적어도 하나를 포함하는 공간 정보를 상기 전자 장치와 연결된 외부 디바이스로부터 획득할 수 있다.일 실시 예에 의하면, 전자 장치(1000)는 상기 공간 정보에 기초하여, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간 별 상기 누출 원점까지의 거리 수준들을 식별할 수 있다. 예를 들어, 누출 원점의 좌표가 식별되면, 전자 장치(1000)는 단위 공간들이 상기 누출 원점으로부터 떨어진 거리 값들을 소정의 구간으로 나눔에 따라 결정되는 거리 수준들을 결정할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 모니터링 대상 공간의 출입문이 해당하는 단위 작업 공간을 시작 구간으로 하고, 상기 누출 원점을 포함하는 단위 작업 공간을 종료 구간으로 하되, 상기 시작 구간에서 종료 구간까지 배치될 단위 작업 공간들의 거리 수준이 상기 종료 구간으로 갈수록 작아지도록 단위 작업 공간들을 배치함으로써 상기 진입 경로를 생성할 수 있다. 예를 들어, 진입 경로는 출입문으로부터 상기 누출 원점까지 연결되는 일련의 단위 공간들을 포함할 수 있고, 상기 진입 경로에 포함된 단위 공간들의 거리 수준들을 모두 다르게 설정될 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 누출 원점으로부터 발생된 상기 표적 객체의 이동 방향의 타측 방향에 위치하는 단위 작업 공간들을 선택함으로써 상기 진입 경로를 생성할 수 있다. 또한, 일 실시 예에 의하면, 상기 생성된 진입 경로의 일부로 생성되는, 상기 누출 원점에 인접한 단위 공간 영역의 일부에 상기 누출 원점에서 발생하고 있는 표적 객체의 이동 방향과, 상기 누출 원점으로부터 진입 시 권장되는 진입 방향에 대한 지시 컨텐츠를 더 제공함으로써, 실제 경고 컨텐츠 상에 생성되는 진입 경로를 본 작업자들이 안전하게 누출 원점으로 진입해야할 방향을 쉽게 인식하도록 할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 평소에 작업자들이 많이 위치하는 정도에 관한 작업자 밀집도 정보에 기초하여 작업자들의 밀도가 낮은 단위 작업 공간을 진입 경로상에 배치함으로써 유해 가스 누출 상황 발생 시, 이를 진압하기 위한 작업자들이 쉽게 누출 원점까지 진입하도록 할 수 있다.
또 다른 일 실시 예에 의하면, 전자 장치(1000)는 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 단위 작업 공간 별로 측정되는 상기 표적 객체의 누출량이 낮은 단위 작업 공간을 우선 선택함으로써 상기 진입 경로를 생성할 수 있다.
또한, 전자 장치(1000)는 단위 작업 공간 별 작업자 밀집도, 단위 작업 공간 별 유해 가스 누출량 및 누출 원점으로부터 식별된 표적 객체의 이동 방향에 기초하여서도 진입 경로를 생성할 수 있다.
일 실시 예에 의하면, 각 단위 작업 공간들은 소정의 격자를 기준으로 구분될 수 있으나, 이에 한정되는 것은 아니며, 모니터링 대상 공간의 시설 및 지형에 기초하여 변경될 수 있다. 단위 작업 공간들은 누출 원점까지의 거리 정도에 대한 거리 수준에 대한 정보를 각각 미리 포함할 수 있으며, 전자 장치(1000)는 출입문으로부터 누출 원점까지, 거리 수준에 기초하여 단위 작업 공간들을 배치함으로써 진입 경로를 생성할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 전자 장치 및 상기 경고 장치들과 연결된 복수의 중계기 장치 중, 적어도 하나의 중계기 장치를 경유하여 소스 단말로부터 목적지 단말까지 전송될 경고 제어 신호의 전송 경로를 결정할 수 있다. 일 실시 예에 의하면, 전자 장치(1000)는 네트워크로부터 생성 가능한 복수의 전송 경로들 중, 소스 단말로부터 목적지 단말까지 데이터 전송 경로의 거리가 가장 가까운 전송 경로를 경고 제어 신호의 전송 경로로 결정할 수 있다. 전자 장치(1000)는 상기 결정된 전송 경로에 기초하여 경고 제어 신호를 경고 장치들로 바로 전송할 수도 있다.
그러나 또 다른 실시 예에 의하면, 전자 장치(1000)는 상기 결정된 전송 경로의 위험 정도를 식별하고, 상기 식별된 전송 경로의 위험 정도에 따라 상기 소스 단말로부터 목적지 단말까지 상기 경고 제어 신호가 전송될 전송 경로를 변경할 수 있다. 예를 들어, 유해 가스 누출 탐지 시스템(10) 내 각 장치들은 복수의 중계기 장치(예컨대 라우팅 장치)들을 포함하는 네트워크를 통해 연결될 수 있다. 네트워크에 포함된 각 시스템 장치 및 중계기 장치들은 하나의 단말로 나타날 수 있고, 각 중계기 장치들은 장치 정보, 각 장치의 IP 주소 정보를 포함하는 라우팅 테이블을 포함할 수 있다.
전자 장치(1000)는 네트워크 상에서 복수의 중계기 단말에 기초하여 생성될 수 있는 복수의 전송 경로를 식별할 수 있고, 각 전송 경로로 경고 제어 신호를 전송 시 데이터 손실 위험에 관한 전송 경로의 위험 정도를 식별할 수 있다. 예를 들어, 전자 장치(1000)는 각 장치 별로 미리 저장되는 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별하고, 상기 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여 상기 전송 경로의 위험 정도를 식별할 수 있다.
일 실시 예에 의하면, 전자 장치(1000)는 상기 식별된 전송 경로의 위험 정도가 기설정된 임계 위험 점수 이상으로 식별되는 경우, 전송 경로 상에서 나타나는 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율이 높아지고, 중계기 장치 별 전체 네트워크 경로의 수가 증가하도록, 상기 결정된 전송 경로를 변경할 수 있다.
또 다른 일 실시 예에 의하면, 전자 장치(1000)는 결정된 전송 경로의 위험 정도가 임계 위험 점수 이상으로 식별되지 않더라도, 동일한 데이터 전송 거리 수준을 가지는 복수의 전송 경로가 식별되는 경우에는, 상대적으로 더 낮은 위험 정도를 가지는 전송 경로로 변경할 수도 있다.
또한, 전자 장치(1000)는 모니터링 대상 공간 내 위치하는 것으로 식별되는 작업자 휴대 IOT 장치들을 식별할 수 있고, 결정된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송함과 함께, 상기 전송 경로와 독립적으로 상기 식별된 작업자 휴대 IOT 장치들로 LTE 통신을 통해 상기 경고 제어 신호를 전송할 수 있다.
또한, 일 실시 예에 의하면, 전자 장치(1000)는 작업자 휴대 IOT 장치의 위치 정보를 식별하고, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간의 부피 및 상기 식별된 휴대 IOT 장치의 수에 기초하여, 상기 단위 작업 공간 별 휴대 IOT 장치의 밀도를 식별함으로써, 상기 기 설정된 임계 밀도 이상인 단위 작업 공간에 위치하는 경고 장치들로, 상기 경고 제어 신호 및 상기 경고 제어 신호를 브로드 캐스팅하기 위한 전파 제어 신호를 함께 전송할 수도 있다.
도 9는 일 실시 예에 따른 전자 장치가 경고 제어 신호 전송을 위한 전송 경로의 위험 정도를 식별하는 방법의 흐름도이다.
S910에서, 전자 장치(1000)는 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치의 IP 주소를 식별할 수 있다. S920에서, 전자 장치(1000)는 상기 식별된 IP 주소에 기초하여, 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치 각각의 라우팅 테이블을 획득할 수 있다. 예를 들어, 각 중계기 장치 각각은 미리 설정된 라우팅 테이블을 저장할 수 있으며, 시작 단말은 하나의 전송 경로 상에서 데이터 전송이 시작되는 장치, 목적지 단말은 데이터 전송이 도달하려는 목적지 장치일 수 있다.
S930에서, 전자 장치(1000)는 상기 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별할 수 있다. 예를 들어, 네트워크 내 각 중계기들은 서로 연결될 수 있으며, 하나의 중계기들은 적어도 하나의 유선 네트워크 또는 적어도 하나의 무선 네트워크와 연결될 수 있다.
각 중계기에 대해 연결된 전체 유선 및 무선 네트워크 경로의 수와, 각 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율은 라우팅 테이블에 미리 저장, 수정 및 갱신될 수 있다. S940에서, 전자 장치(1000)는 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여, 전송 경로의 위험 정도를 식별할 수 있다.
일 실시 예에 의하면, 인공지능 기반 유해 가스 누출 탐지 시스템(10)은 네트워크를 통해 시작 단말로부터 목적지 단말(예컨대 경고 장치들)로 경고 제어 신호 또는 소정의 데이터들을 전송할 수 있다. 일 실시 예에 의하면, 네트워크에는 가스 영상 탐지 서버, 경고 제어 서버 및 통합 관제 서버를 포함하는 서버들이 연결될 수 있을 뿐만 아니라, 모니터링 대상 공간에 대한 작업자들이 사용하는 IOT 장치들 및 기타 전자 장치들이 함께 연결될 수 있다.
일 실시 예에 의하면, 네트워크는 시작 단말, 목적지 단말 및 상기 시작 단말과 목적지 단말 사이를 연결하는 복수의 중계기 장치들을 포함할 수 있다. 각 중계기 장치들은 미리 설정된 라우팅 테이블을 포함하고, 시작 단말로부터 목적지 단말까지 전송되는 경고 제어 신호들이 수신되는 경우, 수신된 경고 제어 신호들에 포함된 라우팅 정보에 기초하여, 다음 중계기로 경고 제어 신호들을 전송할 수 있다.
도 10은 일 실시 예에 따른 전자 장치의 블록도이다.
도 10에 도시된 바와 같이, 일 실시 예에 따른 전자 장치(1000)는 프로세서(1300), 네트워크 인터페이스(1500) 및 메모리(1700)를 포함할 수 있다. 그러나, 도시된 구성 요소가 모두 필수구성요소인 것은 아니다. 도시된 구성 요소보다 많은 구성 요소에 의해 전자 장치(1000)가 구현될 수도 있고, 그 보다 적은 구성 요소에 의해서도 전자 장치(1000)는 구현될 수도 있다.
프로세서(1300)는 통상적으로 전자 장치(1000)의 전반적인 동작을 제어한다. 예를 들어, 프로세서(1300)는, 메모리(1700)에 저장된 프로그램들을 실행함으로써, 전자장치(1000)에 포함된 구성요소들을 전반적으로 제어할 수 있다. 또한, 프로세서(1300)는 메모리(1700)에 저장된 프로그램들을 실행함으로써, 도 1 내지 도 9에 기재된 유해 가스 누출 탐지 시스템 내 장치들의 기능 전부 또는 적어도 일부를 함께 수행할 수 있다.
일 실시 예에 의하면, 프로세서(1300)는 상기 적어도 하나의 프로세서는 상기 하나 이상의 인스트럭션을 실행함으로써, 상기 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하고, 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하고, 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체 영역을 분리하고, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하고, 상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.
또한, 일 실시 예에 의하면, 프로세서(1300)는 전자 장치와 연결된 적어도 하나의 제1 타입의 카메라로부터 모니터링 대상 공간에 대한 제1 타입 영상들을 획득하고, 상기 전자 장치와 연결된 적어도 하나의 제2 타입의 카메라로부터 상기 모니터링 대상 공간에 대한 제2 타입 영상들을 획득하고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하고, 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하고, 상기 분리된 표적 객체 영역에서 나타나는 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별하고, 상기 식별된 표적 객체가 상기 상태 정보 또는 상기 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여, 상기 유해 가스 누출 여부를 결정할 수 있다.
또한, 일 실시 예에 의하면, 프로세서(1300)는 상기 표적 객체가 누출된 것으로 식별되는 누출 원점 및 상기 누출 원점에서 발생된 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하고, 상기 생성된 경고 컨텐츠를 상기 전자 장치와 연결된 통합 관제 서버로 전송하고, 상기 경고 컨텐츠 전송과 함께 상기 전자 장치와 연결된 모니터링 장치가 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를 전송하고, 상기 경고 컨텐츠 전송과 함께 상기 표적 객체 누출에 따른 경고 신호를 출력하는 복수 타입의 경고 장치들을 제어하기 위한 경고 제어 신호를 상기 경고 장치들로 전송할 수 있다.
네트워크 인터페이스(1500)는 전자 장치(1000)가 다른 장치(미도시) 및 서버(2000)와 통신을 하게 하는 하나 이상의 구성요소를 포함할 수 있다. 다른 장치(미도시)는 전자 장치(1000)와 같은 컴퓨팅 장치이거나, 경고 제어 서버, 가스 영상 탐지 서버, 통신 장치 또는 센싱 장치일 수 있으나, 이에 제한되지 않는다. 예를 들어, 네트워크 인터페이스(1500)는, 무선 통신 인터페이스, 유선 통신 인터페이스, 이동 통신부를 포함할 수 있다. 무선 통신 인터페이스는 근거리 통신부(short-range wireless communication unit), 블루투스 통신부, BLE(Bluetooth Low Energy) 통신부, 근거리 무선 통신부(Near Field Communication unit), WLAN(와이파이) 통신부, 지그비(Zigbee) 통신부, 적외선(IrDA, infrared Data Association) 통신부, WFD(Wi-Fi Direct) 통신부, UWB(ultra wideband) 통신부 등을 포함할 수 있으나, 이에 한정되는 것은 아니다.
메모리(1700)는, 프로세서(1300)의 처리 및 제어를 위한 프로그램을 저장할 수 있고, 전자 장치(1000)로 입력되거나 전자 장치(1000)로부터 출력되는 데이터를 저장할 수도 있다. 또한, 메모리(1700)는 전자 장치(1000)가 이용하는 적어도 하나의 인공지능 모델, 전자 장치가 획득한 모니터링 대상 공간에 대한 영상 정보, 레이저 측정값, 합성 영상, 누출 영상, 경고 컨텐츠, 사용자 제어 인터페이스 및 인공지능 모델의 분석 결과에 대한 정보를 저장할 수 있다.
또한, 메모리(1700)는 전자 장치(1000)가 이용하는 적어도 하나의 신경망 모델에 대한 정보를 저장할 수 있다. 예를 들어, 메모리(1700)는 적어도 하나의 신경망 모델 내 레이어들, 노드들, 상기 레이어들의 연결 강도에 관한 가중치 값들을 저장할 수 있다. 또한, 전자 장치(1000)는 신경망 모델을 학습하기 위해 전자 장치(1000)가 생성한 학습 데이터를 더 저장할 수도 있다. 또한, 메모리(1700)는 전자 장치와 연결된 카메라들 또는 서버의 동작 환경에 대한 정보들을 더 저장할 수도 있다.
메모리(1700)는 플래시 메모리 타입(flash memory type), 하드디스크 타입(hard disk type), 멀티미디어 카드 마이크로 타입(multimedia card micro type), 카드 타입의 메모리(예를 들어 SD 또는 XD 메모리 등), 램(RAM, Random Access Memory) SRAM(Static Random Access Memory), 롬(ROM, Read-Only Memory), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory), 자기 메모리, 자기 디스크, 광디스크 중 적어도 하나의 타입의 저장매체를 포함할 수 있다.
도 11은 일 실시 예에 따른 서버의 블록도이다.
일 실시 예에 의하면, 서버(2000)는 네트워크 인터페이스(2100), 데이터 베이스(2200) 및 프로세서(2300)를 포함할 수 있다. 도 11에 도시된 서버(2000)의 구성은 도 3에 도시된 인공지능 기반 유해 가스 누출 탐지 시스템(10)의 가스 영상 탐지 서버(120), 경고 제어 서버(340) 및 통합 관제 서버(360)에 대응될 수 있다.
예를 들어, 네트워크 인터페이스(2100)는 가스 영상 탐지 서버(120)의 제1 네트워크 인터페이스, 경고 제어 서버(340)의 제2 네트워크 인터페이스, 통합 관제 서버(360)의 제3 네트워크 인터페이스에 대응될 수 있고, 데이터 베이스(2200)는 가스 영상 탐지 서버(120)의 제1 데이터베이스, 경고 제어 서버(340)의 제2 데이터 베이스, 통합 관제 서버(360)의 제3 데이터베이스에 대응될 수 있으며, 프로세서(2300)는 가스 영상 탐지 서버(120)의 제1 프로세서, 경고 제어 서버(340)의 제2 프로세서, 통합 관제 서버(360)의 제3 프로세서에 대응될 수 있다.
네트워크 인터페이스(2100)는 상술한 전자 장치(1000)의 네트워크 인터페이스(미도시)에 대응될 수 있다. 예를 들어, 네트워크 인터페이스(2100)는 복수 타입 영상 정보, 레이저 측정 값, 누출 영상, 표적 객체의 형태 정보, 합성 영상, 경고 컨텐츠, 경고 제어 신호, 모니터링 제어 신호를 송수신할 수 있다.
또 다른 실시 예에 의하면, 네트워크 인터페이스(2100)는 전자 장치가 학습시킨 인공지능 모델에 대한 정보, 또는 신경망 모델에 대한 정보(예컨대 레이어들 및 레이어들 사이의 연결 강도에 관한 가중치 값)를 수신할 수 있다. 또 다른 실시 예에 의하면, 네트워크 인터페이스(2100)는 서버가 학습시킨 인공지능 모델에 대한 정보로, 인공 신경망의 레이어들 및 레이어들에 포함된 노드에 관한 정보 또는 신경망 내 레이어들의 연결 강도에 관한 가중치 값들을 전자 장치(1000)로 전송할 수도 있다.
또한, 일 실시 예에 의하면 데이터 베이스(2200)는 도 10에서 상술한 메모리에 대응될 수 있다. 예를 들어, 데이터 베이스(2200)는 서버와 연결된 외부 디바이스로부터 수신되는 복수 타입 영상들, 레이저 측정 값들, 모니터링 제어 신호들, 경고 제어 신호들, 경고 컨텐츠, 누출 영상 및 합성 영상에 대한 정보를 저장할 수 있으며, 인공지능 모델의 분석 결과, 인공지능 모델 자체에 대한 정보 등을 저장할 수 있다.
일 실시 예에 의하면 데이터 베이스(2200)는 키워드 일부와 단어 조합만으로 데이터 베이스 정보 조회가 가능하도록 설계되며, 날짜, 시간 및 카메라 위치 별 소정의 영상 데이터가 검색 및 조회가 가능하도록 설계될 수 있다. 또한, 일 실시 예에 의하면 데이터 베이스(2200)는 일반 영상과 표적 객체 검출에 따른 이벤트 발생 시 해당 표적 객체에 관한 영상에 대한 정보를 제공할 수 있으며, 효율적인 용량 관리를 위해 별도의 동영상 저장 포맷을 이용하여 데이터를 저장할 수 있다. \
일 실시 예에 의하면, 프로세서(2300)는 서버(2000)의 전반적인 동작을 제어할 수 있다. 예를 들어, 프로세서(2300)는 네트워크 인터페이스(2100) 및 데이터 베이스(2200)를 제어함으로써, 도 1 내지 9에서 기재된 전자 장치(1000) 또는 인공지능 기반 유해 가스 누출 탐지 시스템(10)이 수행하는 동작의 전부 또는 적어도 일부를 함께 수행할 수 있다.
도 12는 일 실시 예에 따른 모니터링 장치, 가스 영상 탐지 서버, 경보 제어 서버, 통합 관제 서버 및 경고 장치들이 서로 연동함으로써 유해 가스와 관련된 표적 객체 누출 상황을 관리하는 과정을 설명하기 위한 도면이다.
S1202에서, 모니터링 장치(1210)는 복수 타입의 영상 데이터를 포함하는 영상 정보, 레이저 측정값을 획득할 수 있다. S1204에서, 모니터링 장치(1210)는 영상 정보, 레이저 측정값을 가스 영상 탐지 서버(1220)로 전송할 수 있다. S1206에서, 가스 영상 탐지 서버(1220)는 표적 객체 검출 여부를 식별하고, S1208에서 표적 객체가 식별되는 경우, 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.
예를 들어, 가스 영상 탐지 서버(1220)는 모니터링 장치로부터 상기 모니터링 대상 공간 내 가시광선을 센싱함으로써 생성되는 제1 타입 영상들 및 상기 모니터링 대상 공간 내 적외선을 센싱함으로써 생성되는 제2 타입 영상들을 획득하고, 상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하고, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하고, 상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별할 수 있다.
S1210에서, 가스 영상 탐지 서버(1220)는 누출 원점에 기초하여, 유해 가스 누출 여부를 결정할 수 있다. 예를 들어, 가스 영상 탐지 서버(1220)는 표적 객체가 식별되는 경우, 상기 식별된 표적 객체가 상기 상태 정보 또는 상기 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정할 수 있다.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(1220)는 표적 객체의 누출량 정보에 따른 누출량 값이 제1 임계 누출량 보다 큰 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하고, 상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제1 임계 누출량 보다 작지만, 상기 누출량 값이 상기 제1 임계 누출량 보다 작은 제2 임계 누출량 보다는 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 작은 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(1220)는 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제2 임계 누출량 보다는 작지만, 상기 누출량 값이 상기 제2 임계 누출량 보다 작은 제3 임계 누출량 보다 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 시설 별 유해 가스 누출 허용 수준이 제1 임계 허용 수준으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.
또 다른 실시 예에 의하면, 가스 영상 탐지 서버(1220)는 상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 제2 임계 누출량 보다는 작지만, 상기 누출량 값이 상기 제2 임계 누출량 보다 작은 제3 임계 누출량 보다 큰 것으로 식별되고, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 제1 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도보다 높으면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별할 수 있다.
S1212에서, 가스 영상 탐지 서버(1220)는 유해 가스 누출 여부에 대한 정보를 경보 제어 서버(1230)으로 전송할 수 있다. 예를 들어, 가스 영상 탐지 서버(1220)는 표적 객체가 경고 발생 조건을 만족하는 것으로 결정되는 경우, 유해 가스 누출이 발생한 것으로 결정하고, 유해 가스 누출 발생에 대한 정보를 경보 제어 서버(1230)로 전송할 수 있다. S1214에서, 경보 제어 서버(1230)는 전송 경로를 결정할 수 있다. S1216에서, 경보 제어 서버(1230)는 경고 장치들을 제어하기 위한 경고 제어 신호를 생성할 수 있다. S1218에서, 경보 제어 서버(1230)는 경고 장치들(1250)로 경고 제어 신호를 전파할 수 있다.
또한, 일 실시 예에 의하면, 경보 제어 서버(1230)는 유해 가스 누출이 탐지되면, 상기 경고 장치들과 연결된 복수의 중계기 자치 중, 적어도 하나의 중계기 장치를 경유하여 소스 단말로부터 목적지 단말까지 전송될 경고 제어 신호의 전송 경로를 결정하고, 상기 결정된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들(1250)로 전송할 수 있다.
S1220에서, 가스 영상 탐지 서버(1220)는 표적 객체와 관련된 누출 영상, 합성 영상 및 사용자 제어 인터페이스를 포함하는 관제 영상 또는 상기 누출 영상, 합성 영상 및 사용자 제어 인터페이스를 포함하는 경고 컨텐츠를 생성할 수 있다. 예를 들어, 가스 영상 탐지 서버(1220)는 탐지된 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별됨에 따라 상기 유해 가스 누출이 탐지되는 경우, 상기 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간의 파노라마 영상에 상기 누출된 표적 객체에 대한 누출 영상을 중첩하여 표시함으로써 합성 영상을 생성하고, 상기 누출 원점에서 발생된 유해 가스 누출 진압을 위한 진입 경로를 생성하고, 상기 합성 영상에 표시된 상기 누출 영상의 인접한 위치에 상기 누출 원점 및 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 표시하고, 상기 모니터링 제어 신호에 기초하여 상기 표적 객체를 추적하도록 제어되는 모니터링 장치를 수동 제어하기 위한 사용자 제어 인터페이스를 상기 합성 영상의 일부 영역에 표시하고, 상기 누출 원점, 상기 진입 경로, 상기 상태 정보 및 상기 사용자 제어 인터페이스를 포함하는 상기 경고 컨텐츠를 생성할 수 있다.
S1222에서, 가스 영상 탐지 서버(1220)는 경고 컨텐츠 또는 관제 영상 중 적어도 하나를 통합 관제 서버(1240) 및 경고 장치들(1250)로 함께 전송할 수 있다. S1224에서, 가스 영상 탐지 서버(1220)는 모니터링 제어 신호를 모니터링 장치(1210)로 전송할 수 있다.
S1226에서, 통합 관제 서버(1240)는 제어 신호를 모니터링 장치(1210)로 전송할 수 있다. S1228에서, 통합 관제 서버(1240)는 경고 제어 신호를 경고 장치들(1250)로 전송할 수 있다. 예를 들어, 통합 관제 서버(1240)는 유해 가스 누출이 탐지되면, 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 상기 사용자 제어 신호를 획득한 후, 획득된 사용자 제어 신호를 모니터링 장치(1210)로 전송할 수 있다. 또한, 통합 관제 서버(1240)는 사용자 제어 인터페이스를 통해 획득된 사용자 제어 신호를 경고 장치들(1250)로 전송함으로써 경고 장치들을 제어할 수도 있다.
본 개시에 따른 인공지능 기반 유해 가스 누출 원점을 식별하는 방법, 인공지능 기반 유해 가스 누출 여부를 결정하는 방법, 유해 가스와 관련된 표적 객체 누출 상황을 관리하는 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.

Claims (18)

  1. 인공지능 기반 유해 가스 누출 탐지 시스템에 있어서,
    유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 획득하고, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 모니터링 장치;
    상기 모니터링 대상 공간에 설치되고, 상기 유해 가스 누출이 탐지되면 복수 타입의 경고 신호들을 출력하는 경고 장치들;
    상기 모니터링 장치로부터 상기 복수 타입의 영상들을 획득하고, 상기 획득된 복수 타입의 영상들로부터 상기 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하며, 상기 식별된 표적 객체가 누출된 누출 원점을 식별하고, 상기 표적 객체가 기 설정된 경고 발생 조건을 만족하는지 여부에 기초하여 상기 유해 가스 누출을 탐지하며, 상기 유해 가스 누출이 탐지되면 상기 누출 원점, 상기 표적 객체 누출을 진압하기 위한 진입 경로를 포함하는 경고 컨텐츠를 생성하는 가스 영상 탐지 서버;
    상기 가스 영상 탐지 서버에 의해 상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 모니터링 제어 신호를 출력하고, 상기 경고 컨텐츠를 출력함과 함께 상기 경고 장치들을 제어하기 위한 경고 제어 신호를 출력하는 경고 제어 서버; 및
    상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고, 상기 획득된 경고 컨텐츠를 출력하며, 상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 사용자 제어 입력을 획득하고, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는 통합 관제 서버; 를 포함하는 유해 가스 누출 탐지 시스템.
  2. 제1항에 있어서, 상기 모니터링 장치는
    복수 타입의 카메라들을 포함하고, 상기 모니터링 대상 공간을 촬영함으로써 복수 타입의 영상들을 생성하며, 상기 모니터링 대상 공간 내 일 지점으로부터 반사되는 레이저 신호를 측정하는 카메라 설치셋;
    상기 카메라 설치셋을 내부에 포함하고, 기 설정된 방폭 적합도를 만족하는 하우징;
    상기 누출 원점을 탐지하기 위한 위치 변경 또는 최적화 고도 확보를 위해 상기 카메라 설치셋의 상하 이동경로를 제공하는 엘리베이션 장치;
    상기 모니터링 대상 공간 내부에 설치되는 레일상에서 상기 엘리베이션 장치를 이동시키기 위한 레일 가이드 장치; 및
    상기 카메라 설치셋이 상기 표적 객체를 추적하도록 상기 카메라 설치셋의 회전 이동을 제어하는 회전구동장치; 를 포함하는, 유해 가스 누출 탐지 시스템.
  3. 제2항에 있어서, 상기 카메라 설치셋은
    상기 모니터링 대상 공간을 촬영함으로써 가시 광선 영상들을 생성하는 적어도 하나의 제1 타입의 카메라;
    상기 적어도 하나의 제1 타입의 카메라와 다른 타입으로, 상기 모니터링 대상 공간을 촬영함으로써 적외선 타입 영상들을 생성하는 적어도 하나의 제2 타입의 카메라; 및
    상기 모니터링 대상 공간 내 일 지점으로 레이저 신호를 송신하고, 상기 송신된 레이저 신호가 상기 일 지점에서 반사됨으로써 획득되는 레이저 신호를 측정하는 레이저 측정기; 를 포함하는, 유해 가스 누출 탐지 시스템.
  4. 제2항에 있어서, 상기 경고 장치들은
    상기 가스 영상 탐지 서버에서 생성되는 경고 컨텐츠를 출력하기 위한 디스플레이;
    상기 복수 타입의 경고 신호들 중, 시각적 경고 신호를 출력하기 위한 경광등; 및
    상기 경고 신호들 중, 청각적 경고 신호를 출력하기 위한 스피커; 를 포함하는, 유해 가스 누출 탐지 시스템.
  5. 제2항에 있어서, 상기 가스 영상 탐지 서버는
    제1 네트워크 인터페이스;
    하나 이상의 인스트럭션을 저장하는 제1 데이터 베이스; 및
    상기 제1 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행하는 적어도 하나의 제1 프로세서; 를 포함하고,
    상기 적어도 하나의 제1 프로세서는 상기 제1 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행함으로써,
    상기 모니터링 장치로부터 상기 모니터링 대상 공간 내 가시광선을 센싱함으로써 생성되는 제1 타입 영상들 및 상기 모니터링 대상 공간 내 적외선을 센싱함으로써 생성되는 제2 타입 영상들을 획득하고,
    상기 제1 타입 영상들 및 상기 제2 타입 영상들로부터 유해 가스와 관련된 표적 객체가 식별되는지 여부를 확인하고,
    상기 표적 객체가 식별되는 경우, 상기 제1 타입 영상들 및 상기 제2 타입 영상들 각각으로부터 상기 표적 객체에 관한 표적 객체 영역을 분리하고,
    상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 획득하고,
    상기 상태 정보에 기초하여, 상기 유해 가스와 관련된 표적 객체가 발생된 누출 원점을 식별하는, 유해 가스 누출 탐지 시스템.
  6. 제5항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 모니터링 장치로부터, 상기 카메라 설치셋의 현재 회전 상태에 관한 팬틸트 정보 및 상기 카메라 설치셋의 위치 정보를 획득하고,
    상기 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득하고,
    상기 카메라 설치셋의 위치 정보를 원점으로 하는 구면 좌표계에서 상기 표적 객체의 상대적 위치에 관한 제1 좌표를 결정하고,
    상기 결정된 제1 좌표, 상기 레이저 측정 값 및 상기 모니터링 대상 공간에 대해 미리 획득되는 공간 정보에 기초하여 상기 제1 좌표를 직교 좌표계 상의 제2 좌표로 변경하고,
    상기 제2 좌표를 상기 표적 객체가 발생된 누출 원점으로 식별하는, 유해 가스 누출 탐지 시스템.
  7. 제6항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 분리된 표적 객체 영역에 대해, 상기 제1 타입 영상들 및 상기 제2 타입 영상들을 전송한 제1 타입의 카메라 및 제2 타입의 카메라 각각에 대해 미리 설정되는 렌즈 왜곡 값 제거를 위한 왜곡보정을 수행하고,
    상기 왜곡보정이 수행된, 상기 분리된 표적 객체 영역으로부터, 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 보정 상태 정보를 획득하고,
    상기 보정 상태 정보에 기초하여 결정되는 상기 모니터링 대상 공간상 일 지점으로부터 반사된 레이저 측정 값을 상기 카메라 설치셋의 레이저 측정기로부터 획득하는, 유해 가스 누출 탐지 시스템.
  8. 제5항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 표적 객체가 식별되는 경우, 상기 식별된 표적 객체가 상기 상태 정보 또는 상기 누출 원점 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여 유해 가스 누출 여부를 결정하는, 유해 가스 누출 탐지 시스템.
  9. 제8항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 누출 원점이 식별되면, 상기 식별된 누출 원점에 매칭되는 상기 모니터링 대상 공간의 시설 정보를 획득하고,
    상기 상태 정보, 상기 누출 원점 또는 상기 시설 정보 중 적어도 하나에 따라 서로 다르게 설정되는 경고 발생 조건을 만족하는지 여부에 기초하여, 상기 유해 가스 누출 여부를 결정하는, 유해 가스 누출 탐지 시스템.
  10. 제8항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 표적 객체의 누출량 정보에 따른 누출량 값이 임계 누출량 보다 큰 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하고,
    상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 임계 누출량 보다 작은 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간 내 시설 정보에 따른 모니터링 대상 공간의 부피가 임계 부피보다 작은 것으로 식별되는 경우, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하고,
    상기 표적 객체의 누출량 정보에 따른 누출량 값이 상기 임계 누출량 보다 작고, 상기 모니터링 대상 공간의 부피가 상기 임계 부피보다 큰 것으로 식별되지만, 상기 누출 원점에 매칭되는 공간의 작업자 밀집도가 미리 정해진 임계 밀집도보다 높으면, 상기 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별하는, 유해 가스 누출 탐지 시스템.
  11. 제8항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 식별된 표적 객체가 상기 경고 발생 조건을 만족하는 것으로 식별됨에 따라 상기 유해 가스 누출이 탐지되는 경우,
    상기 유해 가스 누출 탐지 대상이 되는 모니터링 대상 공간의 파노라마 영상에 상기 누출된 표적 객체에 대한 누출 영상을 중첩하여 표시함으로써 합성 영상을 생성하고,
    상기 누출 원점에서 발생된 유해 가스 누출 진압을 위한 진입 경로를 생성하고,
    상기 합성 영상에 표시된 상기 누출 영상의 인접한 위치에 상기 누출 원점 및 상기 표적 객체의 형상, 흐름 또는 움직임 중 적어도 하나에 관한 상태 정보를 표시하고,
    상기 모니터링 제어 신호에 기초하여 상기 표적 객체를 추적하도록 제어되는 모니터링 장치를 수동 제어하기 위한 사용자 제어 인터페이스를 상기 합성 영상의 일부 영역에 표시하고,
    상기 누출 원점, 상기 진입 경로, 상기 상태 정보 및 상기 사용자 제어 인터페이스를 포함하는 상기 경고 컨텐츠를 생성하는, 유해 가스 누출 탐지 시스템.
  12. 제11항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 모니터링 대상 공간에 대해 미리 획득되는 공간 정보를 획득하고,
    상기 획득된 공간 정보에 기초하여, 상기 모니터링 대상 공간을 구성하는 단위 작업 공간 별 상기 누출 원점까지의 거리 수준들을 식별하고,
    상기 모니터링 대상 공간의 출입문이 해당하는 단위 작업 공간을 시작 구간으로 하고, 상기 누출 원점을 포함하는 단위 작업 공간을 종료 구간으로 하되, 상기 시작 구간에서 종료 구간까지 배치될 단위 작업 공간들의 거리 수준이 상기 종료 구간으로 갈수록 작아지도록 단위 작업 공간들을 배치함으로써 상기 진입 경로를 생성하는, 유해 가스 누출 탐지 시스템.
  13. 제12항에 있어서, 상기 적어도 하나의 제1 프로세서는
    상기 모니터링 대상 공간의 시작 구간에서 상기 종료 구간까지 단위 작업 공간들을 배치하는 과정에서, 동일한 거리 수준의 단위 작업 공간들이 식별되는 경우, 상기 누출 원점으로부터 발생된 상기 표적 객체의 이동 방향의 타측 방향에 위치하는 단위 작업 공간들을 선택함으로써 상기 진입 경로를 생성하는, 유해 가스 누출 탐지 시스템.
  14. 제11항에 있어서, 상기 경고 제어 서버는
    제2 네트워크 인터페이스;
    하나 이상의 인스트럭션을 저장하는 제2 데이터 베이스; 및
    상기 제2 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행하는 적어도 하나의 제2 프로세서; 를 포함하고,
    상기 적어도 하나의 제2 프로세서는 상기 제2 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행함으로써,
    상기 유해 가스 누출이 탐지되면, 상기 모니터링 장치가 상기 유해 가스 누출과 관련된 표적 객체를 추적하도록 제어하기 위한 모니터링 제어 신호를, 상기 모니터링 장치로 전송하고,
    상기 경고 컨텐츠의 사용자 제어 인터페이스를 통해, 상기 통합 관제 서버로부터 사용자 제어 입력이 획득되는지 여부를 식별하고,
    상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되는 것으로 식별되는 경우, 상기 모니터링 제어 신호의 전송을 일시 중지하고, 상기 사용자 제어 인터페이스를 통해, 상기 통합 관제 서버로부터 사용자 제어 입력이 획득되는지 여부를 다시 확인하고,
    상기 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력이 획득되지 않는 것으로 식별되는 경우, 상기 모니터링 장치가 상기 표적 객체를 추적하도록 하기 위한 제어 신호를 미리 설정된 주기에 따라 전송하는, 유해 가스 누출 탐지 시스템.
  15. 제14항에 있어서, 상기 적어도 하나의 제2 프로세서는
    상기 유해 가스 누출이 탐지되면, 상기 경고 장치들과 연결된 복수의 중계기 자치 중, 적어도 하나의 중계기 장치를 경유하여 소스 단말로부터 목적지 단말까지 전송될 경고 제어 신호의 전송 경로를 결정하고,
    상기 결정된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송하는, 유해 가스 누출 탐지 시스템.
  16. 제15항에 있어서, 상기 적어도 하나의 제2 프로세서는
    결정된 전송 경로의 위험 정도를 식별하고,
    상기 식별된 전송 경로의 위험 정도에 따라 상기 소스 단말로부터 목적지 단말까지 상기 경고 제어 신호가 전송될 전송 경로를 변경하고,
    상기 변경된 전송 경로에 기초하여 상기 경고 제어 신호를 상기 경고 장치들로 전송하는, 유해 가스 누출 탐지 시스템.
  17. 제16항에 있어서, 상기 적어도 하나의 제2 프로세서는
    상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치의 IP 주소를 식별하고,
    상기 식별된 IP 주소에 기초하여, 상기 소스 단말, 상기 목적지 단말 및 상기 소스 단말과 상기 목적지 단말 사이에 위치하는 중계기 장치 각각의 라우팅 테이블을 획득하고,
    상기 라우팅 테이블에 나타나는 장치 정보에 기초하여, 상기 전송 경로 상에서 나타나는 중계기 장치 별, 각 중계기 장치로 연결된 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율과 상기 중계기 장치 별 연결된 전체 네트워크 경로의 수를 식별하고,
    상기 중계기 장치 별 무선 네트워크 경로에 대한 유선 네트워크 경로의 비율 및 상기 전체 네트워크 경로의 수에 기초하여 상기 전송 경로의 위험 정도를 식별하는, 유해 가스 누출 탐지 시스템.
  18. 제16항에 있어서, 상기 통합 관제 서버는
    제3 네트워크 인터페이스;
    하나 이상의 인스트럭션을 저장하는 제3 데이터 베이스; 및
    상기 제3 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행하는 적어도 하나의 제3 프로세서; 를 포함하고,
    상기 적어도 하나의 제3 프로세서는 상기 제3 데이터 베이스에 저장된 하나 이상의 인스트럭션을 실행함으로써,
    상기 유해 가스 누출이 탐지되면, 상기 가스 영상 탐지 서버로부터 상기 경고 컨텐츠를 획득하고,
    상기 경고 컨텐츠에 포함된 사용자 제어 인터페이스를 통해 상기 사용자 제어 입력을 획득하며, 상기 획득된 사용자 제어 입력에 기초하여 상기 모니터링 장치를 원격으로 제어하는, 유해 가스 누출 탐지 시스템.
PCT/KR2023/008598 2022-07-20 2023-06-21 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법 WO2024019342A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2022-0089917 2022-07-20
KR1020220089917A KR102482129B1 (ko) 2022-07-20 2022-07-20 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법

Publications (1)

Publication Number Publication Date
WO2024019342A1 true WO2024019342A1 (ko) 2024-01-25

Family

ID=84925477

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2023/008598 WO2024019342A1 (ko) 2022-07-20 2023-06-21 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법

Country Status (2)

Country Link
KR (1) KR102482129B1 (ko)
WO (1) WO2024019342A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102482129B1 (ko) * 2022-07-20 2023-01-02 (주)하이브시스템 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법
CN117111565B (zh) * 2023-09-19 2024-03-08 南通森萱药业有限公司 一种苯乙基酯生产车间安全在线可视化智能监控系统
CN117828426B (zh) * 2023-12-22 2024-07-19 北京林业大学 基于动态均值感知器神经网络的拍门污水泄漏检测方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160051416A (ko) * 2014-11-03 2016-05-11 에스케이텔레시스 주식회사 스마트 가스 누출 감지기
KR20160085926A (ko) * 2014-12-19 2016-07-19 한국 전기안전공사 전기화재 및 가스사고의 분석이 가능한 블랙박스 시스템
KR20170039399A (ko) * 2015-10-01 2017-04-11 대우조선해양 주식회사 가스 누출 지점 탐지 장치 및 탐지 방법
WO2017150565A1 (ja) * 2016-03-03 2017-09-08 コニカミノルタ株式会社 ガス漏れ位置推定装置、ガス漏れ位置推定方法及びガス漏れ位置推定プログラム
KR20200088304A (ko) * 2017-10-09 2020-07-22 씨에스아이알 가스 감지 시스템 및 방법
KR102482129B1 (ko) * 2022-07-20 2023-01-02 (주)하이브시스템 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102289745B1 (ko) * 2019-12-31 2021-08-13 주식회사 버넥트 실시간 현장 작업 모니터링 방법 및 시스템
KR20210155655A (ko) * 2020-06-16 2021-12-23 광주과학기술원 이상 온도를 나타내는 객체를 식별하는 방법 및 장치
KR102355884B1 (ko) 2021-01-26 2022-02-08 (주) 플레이오니 인공지능을 이용한 화재 판정 방법, 장치 및 프로그램

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160051416A (ko) * 2014-11-03 2016-05-11 에스케이텔레시스 주식회사 스마트 가스 누출 감지기
KR20160085926A (ko) * 2014-12-19 2016-07-19 한국 전기안전공사 전기화재 및 가스사고의 분석이 가능한 블랙박스 시스템
KR20170039399A (ko) * 2015-10-01 2017-04-11 대우조선해양 주식회사 가스 누출 지점 탐지 장치 및 탐지 방법
WO2017150565A1 (ja) * 2016-03-03 2017-09-08 コニカミノルタ株式会社 ガス漏れ位置推定装置、ガス漏れ位置推定方法及びガス漏れ位置推定プログラム
KR20200088304A (ko) * 2017-10-09 2020-07-22 씨에스아이알 가스 감지 시스템 및 방법
KR102482129B1 (ko) * 2022-07-20 2023-01-02 (주)하이브시스템 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법

Also Published As

Publication number Publication date
KR102482129B1 (ko) 2023-01-02

Similar Documents

Publication Publication Date Title
WO2024019342A1 (ko) 인공지능 기반 유해 가스 누출 탐지 시스템 및 이의 동작 방법
WO2019098430A1 (ko) 무인탐지장치를 이용한 현장 안전관리 시스템
WO2021095916A1 (ko) 객체의 이동경로를 추적할 수 있는 추적시스템
WO2021091021A1 (ko) 화재 검출 시스템
KR102517477B1 (ko) 인공지능 기반 유해 가스 누출 원점을 식별하는 방법 및 장치
JP7533946B2 (ja) 光ファイバセンシングシステム、行動特定装置、行動特定方法、及びプログラム
WO2018230845A1 (ko) 비전 정보에 기반한 위치 설정 방법 및 이를 구현하는 로봇
WO2015178540A1 (ko) 카메라간 핸드오버를 이용한 목표물 추적 장치 및 방법
WO2023054813A1 (ko) 충전식 모바일로봇을 활용한 화재감지 및 조기대응시스템
CN114155601A (zh) 一种基于视觉的作业人员危险行为检测方法及系统
JP7464281B2 (ja) 光ファイバセンシングシステム、監視装置、監視方法、及びプログラム
JP2005086626A (ja) 広域監視装置
US20210174653A1 (en) System for detecting persons in an area of interest
JP2019079303A (ja) 道路設備点検システムおよび道路設備点検方法、ならびにそれに使用されるサーバ
KR101005568B1 (ko) 지능형 방범 시스템
CN116048124B (zh) 无人机地铁隧道巡检方法、装置、计算机设备及存储介质
CN112906441B (zh) 用于通信行业查勘维护的图像识别系统及方法
WO2022080844A1 (ko) 스켈레톤 분석을 이용한 객체 추적 장치 및 방법
KR20190091714A (ko) 지능형 무인비행체를 이용한 지하공동구 자율 탐사 방법 및 장치
KR102517478B1 (ko) 인공지능 기반 유해 가스 누출 여부를 결정하는 방법 및 장치
KR20220105851A (ko) 무인변전소 감시 시스템 및 그 동작 방법
KR101977344B1 (ko) 원자력 발전소의 주제어실 모니터링 시스템
WO2020230921A1 (ko) 레이저 패턴을 이용하여 이미지 내의 특징을 추출하는 방법 및 이를 적용한 식별장치와 로봇
KR20200133596A (ko) 자동 차량 통합 검색 시스템
KR102356165B1 (ko) 영상에서의 얼굴 인덱싱 방법 및 장치

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23843194

Country of ref document: EP

Kind code of ref document: A1