１. 머리말

현대 사회는 초고층·대형 건축물과 복잡한 산업설비의 보급으로 인해 화재·지진·설비고장 등 다양한 복합 재난 위험에 직면해 있다. 이러한 재난은 단순한 구조적 피해를 넘어 대규모 인적·물적 손실로 이어질 수 있어, 초기 단계에서의 정확한 이상 징후 감지와 신속한 대응 기술 확보가 필수적이다. 본 연구실에서는 전기화재 예방과 화재 초기 대응 기술 개발을 목표로 연구를 수행하고 있으며, 대표적으로 생성형 AI 기반 화재 이미지 증강, AI 기반 실시간 화재 감지 모델 성능 최적화, RGB Color 센서를 활용한 화재 감지 특성 분석, 전기화재 예방을 위한 아크 동작 특성 연구 등을 진행 중이다. 이러한 연구를 통해, 실제 환경에서 신뢰성 높은 화재 조기 감지 및 전기화재 예방 기술 확보를 위한 기반을 마련하고자 한다.

２. 연구실 연구 분야 소개

２.1 생성형 AI 기반 화재 이미지 증강

다양한 환경에서 발생하는 화재 및 연기 패턴을 정확히 인식하기 위해 기존의 제한적인 화재 이미지 데이터셋을 보완하는 생성형 AI(GAN) 기반 이미지 증강 기술을 개발하였다. 이를 위해 Roboflow, Kaggle, AI-Hub 등에서 수집한 산불, 산업 화재, 연기, 안개·연무 등의 데이터를 학습 데이터로 활용하였으며, GAN 모델을 통해 다양한 시각적 조건에서 화재 및 연기 이미지를 합성·생성하였다. 이 과정에서 실제 환경과 유사한 배경, 연기 확산, 화염 패턴을 구현하여 데이터의 다양성을 확보함으로써, 화재 탐지 모델의 학습 효율과 인식 성능을 향상시킬 수 있는 기반을 마련하였다.

２.２ AI 기반 실시간 화재 감지 모델 성능 최적화

실시간 화재 탐지의 정확성과 효율성을 향상시키기 위해 딥러닝 기반 모델의 구조 개선 및 경량화 기법을 적용하였다. 모델 구조 최적화를 통해 화염 및 연기 탐지의 정밀도를 개선하였으며, Depthwise Separable Convolution과 같은 경량화 기법을 활용하여 연산량과 메모리 사용을 최소화하였다. 또한, 정적 이미지 및 영상 입력 기반 화재 탐지 학습을 수행함으로써 실제 환경에서의 탐지 성능을 향상시켰다. 특히, 야간 및 열악한 기상 환경에서도 인식률을 높이기 위해 Thermal-Visible Image Fusion 기술을 도입하여, 열화상과 가시광 영상을 융합한 학습과 최종 실증을 통해 다양한 상황에서의 화재 감지 신뢰성을 확보하는 연구를 진행하고 있다.

２.３ RGB Color 센서의 화재 감지 특성 분석에 관한 연구

본 연구실에서는 화재 초기 단계에서의 조기 감지 정확도 향상을 목표로, RGB Color 센서를 활용한 연기 및 화염 특성 분석 연구를 진행 중이다. 이를 위해 소형 화재 챔버를 제작하고 종이, 스펀지, 천 등 다양한 연소 재료를 대상으로 실화재 실험을 수행하고 있으며, RGB 신호의 시간대별 변화와 스펙트럼 특성을 정량적으로 분석하고 있다. 현재 연기의 밀도 변화, 화염의 색상 및 스펙트럼 패턴을 재료별로 분류하는 연구가 진행되고 있으며, RGB 스펙트로그램 기반의 패턴 인식 기법을 적용하여 화재와 비화재 상황(예: 담배연기, 수증기)을 구분할 수 있는 가능성을 검증하는 단계에 있다. 본 연구는 향후 AI 기반 센서 융합 화재 감지 모델의 학습 데이터 및 알고리즘 설계에 중요한 기초 자료로 활용될 예정이다.

２.4 전기화재 예방을 위한 AFDD 아크 동작 특성 연구

본 연구실에서는 전기화재 예방을 목표로, 직렬 아크(Series Arc) 발생 시 아크 고장 검출 장치(AFDD)의 동작 특성을 규명하는 연구를 진행 중이다. KS C IEC 62606 표준 기반의 직렬 아크 발생 장치를 활용하여 저항성 및 유도성 부하 조건에서 전압·전류 파형과 아크 특성을 계측·분석하고 있으며, 향후 다양한 AI 기법을 적용하여 아크 특성을 정밀 분석하고 전기화재 예방 기술로 확장하는 연구를 추진할 계획이다.

３. 연구실 구성원