가스 누출 탐지 모델 개발을 위한 딥러닝 기반 초음파 이미지 학습 연구 (Research on Deep learning based Ultrasonic Image Learning to Develop a Gas Leak Detection Model)

서지정보

· 발행기관 : 한국방재학회
· 수록지 정보 : 한국방재학회논문집 / 23권 / 6호 / 135 ~ 143페이지
· 저자명 : 구윤정, 박광현, 이원희, 송병훈, 홍정표, 신준호

초록

가스는 눈에 보이지 않아 가스 누출 사고가 발생하는 경우 누출 위치 확인 및 사고 규모 예측이 어렵다. 본 연구에서는 가스 누출 시 발생하는 초음파를 시각화하는 기술을 이용하여 가스 누출 여부 뿐만 아니라 가스 누출 위치, 누출 유량 정보를 획득할 수 있는 딥러닝 기반의 가스 누출 탐지 모델을 개발하였다. 연구 방법은 크게 데이터 수집 및 모델 학습으로 구분된다. 먼저 데이터 수집은 초음파 카메라를 이용하여 측정 거리( 1, 3 m) 및 가스 누출 유량(0~8 L/min)에 따른 초음파 이미지를 수집하였다. 이미지 학습은 YOLO를 이용하였으며 가스 누출 유량 범위에 따라 Class를 설정한 후 모델을 학습하였다. 수집한 초음파 이미지는 측정 거리가 멀어질수록 선명도가 낮아지고, 누출 유량에 따른 이미지의 차이가 거의 없어 육안으로 구분하기 어려웠다. 그러나 모델 학습 결과 precision 0.960, recall 0.967, mAP (IoU 50%) 0.987로 높은 성능을 나타내었으므로 향후 산업현장의 가스 안전 관리 기술로 적용하는 경우 가스 누출로 발생하는 사고를 탐지하고 누출 위치, 누출 유량 등의 정보 전달을 통해 적절한 사고 대응을 제시할 수 있을 것으로 기대된다.

영어초록

If a gas leak occurs in an industrial area, identifying the location of the gas leak and predicting the scale of the accident are challenging owing to the invisible nature of the gas. In this study, we developed a deep learning-based gas leak detection model that can obtain not only the gas leak status, but also the gas leak location and flow rate information, by using technology to visualize the ultrasonic waves generated during gas leaks. Research methods are broadly categorized into data collection and model learning methods. First, data was collected using an ultrasonic camera to capture ultrasonic images at different measurement distances (1 and 3 m) and gas leak flow rates (0-8 L/min). YOLO (You Only Look Once) was used for image learning, and the model was trained after setting the class according to the gas-leak flow range. The clarity of the collected ultrasonic images decreased as the measurement distance increased. In addition, there was little difference between the images for each leakage flow rate, posing challenges in distinguishing them with the naked eye. However, the model learning results showed high accuracy, with a precision of 0.960, recall of 0.967, and mAP (IoU (Intersection over Union) 50%) of 0.987. Applying this model as a gas safety management technology at industrial sites, enables the accurate determination of gas leak status, gas leak location, and gas leakage flow. This information is expected to guide appropriate accident responses for workers.

참고자료

· 없음