화재는 비정형적이며, 공간의 특성, 환경, 그리고 화재에 사용되는 물질에 따라 발생 양상이 다르게 나타난다. 특히 초기 화재 감지는 대규모 사고를 예방하는 데 매우 중요한 과제이지만, 현재 기계학습을 위한 학습 가능한 초기 화재 데이터셋은 거의 존재하지 않는다. 본 논문은 공간의 특정 조건에 최적화된 초기 화재 감지 시스템을 제안하며, 이를 위해 각 공간별 디지털 트윈 기반 자동 화재 학습 데이터 생성 모델을 활용한다. 제안 방법은 먼저 모니터링 카메라의 시야각에 일치하는 RGB-D 이미지로부터, 입자 시뮬레이션 기반의 현실적인 합성 화재 데이터를 자동으로 생성하여 실제 공간의 디지털 트윈 환경을 구축한다. 즉, 본 방법은 각 특정 공간에서의 다양한 화재 상황에 따라 합성 화재 데이터를 생성한 뒤, 이러한 데이터셋을 사용하여 최신 검출 모델로 전이 학습을 수행하고 이를 실제 공간의 AIoT 디바이스에 배포한다. 공간에 최적화된 합성 화재 데이터 생성은 공간에 적응하지 못하는 기존 화재 감지 모델의 정확도를 향상시키고 오탐(거짓 감지)률을 감소시킬 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.