본 연구에서는 연합학습(Federated Learning, FL) 구조를 기반으로 한 이미지 클러스터링을 활용하는 화재 분류 시스템을 제안한다. 이 시스템은 제조업을 포함한 다양한 산업 분야에서 화재 감지를 가능하게 한다. 화재, 연기, 정상 상태를 정확히 분류하는 것은 산업 현장의 화재 예방 및 대응 시스템에서 중요한 요소이다. 제안된 시스템의 서버는 미리 학습된 비전 트랜스포머 모델을 사용하여 데이터 특성을 추출하고, 비스ecting K-means 알고리즘을 통해 데이터를 클러스터링하여 가중치를 얻는다. 클라이언트는 이 가중치를 활용하여 K-means 알고리즘으로 로컬 데이터를 클러스터링하고, Kullback–Leibler 발산을 통해 데이터 분포의 차이를 측정한다. 실험 결과, 제안된 모델은 서버에서 약 99%의 정확도를 달성하며, 클라이언트에서의 클러스터링 정확도 또한 높은 수준을 유지한다. 또한 라운드가 진행되는 동안 정규화 상호정보량 값이 0.6 이상으로 유지되고 실루엣 점수가 0.9에 도달하여 클러스터링 품질이 향상됨을 시사한다. 본 연구는 FL 및 클러스터링 기법을 활용함으로써 화재 분류 정확도가 향상되며, 실시간 감지에 대한 높은 잠재력을 가진다는 점을 보여준다.

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