KR102084884B1 - The fire prevention detection system based on artificial intelligence technology - Google Patents

The fire prevention detection system based on artificial intelligence technology Download PDF

Info

Publication number
KR102084884B1
KR102084884B1 KR1020190082987A KR20190082987A KR102084884B1 KR 102084884 B1 KR102084884 B1 KR 102084884B1 KR 1020190082987 A KR1020190082987 A KR 1020190082987A KR 20190082987 A KR20190082987 A KR 20190082987A KR 102084884 B1 KR102084884 B1 KR 102084884B1
Authority
KR
South Korea
Prior art keywords
data
gas
sensor
fire
smoke
Prior art date
Application number
KR1020190082987A
Other languages
Korean (ko)
Inventor
김병주
Original Assignee
에이치에스솔루션 주식회사
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 에이치에스솔루션 주식회사 filed Critical 에이치에스솔루션 주식회사
Priority to KR1020190082987A priority Critical patent/KR102084884B1/en
Application granted granted Critical
Publication of KR102084884B1 publication Critical patent/KR102084884B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion
    • G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Fire Alarms (AREA)

Abstract

Provided is an artificial intelligence-based fire prevention and detection system capable of predicting and detecting fire in advance. According to the present invention, the artificial intelligence-based fire prevention and detection system comprises: a thermal image sensor installed in a predetermined region, detecting and converting an infrared ray emitted from an object generating heat into an electric signal, and displaying color in accordance with the level of the electric signal; a smoke detection sensor installed in the predetermined region and using a pipe network to measure the concentration of smoke in the air of the predetermined region; a gas sensor installed in the predetermined region to detect the type and the concentration of gas leaked into the air; an optical sensor installed in the predetermined region and introducing light to an optical fiber to detect a frequency change of the light by vibration of particles included in the optical fiber in accordance with a temperature change; an optical sensor repeater calculating and processing the frequency change of the light detected in the optical sensor; a data collection unit installed in the predetermined region and collecting and storing temperature, humidity, smoke, and gas data for each fire case before an outbreak of a fire; a data analysis unit analyzing the data stored in the data collection unit by each category to calculate basic data for predicting the outbreak of a fire; and an artificial intelligence control unit using the data transferred from the thermal image sensor, the smoke detection sensor, the gas sensor, and the optical sensor based on the basic data in accordance with an analysis result of the data analysis unit to predict the outbreak of a fire in advance.

Description

인공지능 기반의 화재 예방 감지 시스템{The fire prevention detection system based on artificial intelligence technology}The fire prevention detection system based on artificial intelligence technology

본 발명은 인공지능 기반의 화재 예방 감지 시스템에 관한 것이다. 보다 상세하게는, 특정 지역에서 화재 발생이 예측되는 조건에 관련한 데이터들을 미리 수집하여 분석 후, 각종 데이터를 실시간으로 모니터링하여 인공지능 기술 기반으로 분석하여 화재 발생을 미리 예측하고 감지할 수 있는 화재 예방 감지 시스템에 관한 것이다. The present invention relates to an artificial intelligence-based fire prevention detection system. More specifically, after collecting and analyzing data related to the conditions in which a fire occurrence is predicted in a specific area in advance, fire prevention can be predicted and detected in advance by detecting various data in real time and analyzing them based on artificial intelligence technology. To a detection system.

산불과 같은 재해는 그 피해규모가 막대할 뿐만 아니라 자연환경의 복구에도 오랜 시간이 걸리므로 다양한 예방책이 제시되고 있다. 산이나 숲과 같은 국립공원 지역에 일일이 감시인력을 배치하여 산불을 감시하는 것은 한계가 있어, 폐쇄 회로 텔레비전(closed-circuit television, CCTV)을 이용하기도 한다. 폐쇄 회로 텔레비전을 이용하는 경우, 드넓은 산야에 폐쇄 회로 텔레비전을 설치하고 이를 유선 혹은 무선으로 연결하여 데이터를 취합하고 서버에서 데이터를 분석하여 결과를 사용자에게 보여주거나, 저장장소에 일정기간 저장한다.Disasters such as forest fires are not only enormous, but also take a long time to recover the natural environment. There is a limit to the monitoring of forest fires by placing surveillance personnel in national park areas such as mountains and forests, and closed-circuit television (CCTV) is also used. In the case of using a closed circuit television, a closed circuit television is installed in a wide area and connected by wire or wireless to collect data, analyze the data in a server, and display the result to a user or store it in a storage place for a period of time.

산이나 숲 외에도 아파트, 빌딩, 학교, 공장, 항만, 공항, 상, 하수 처리장, 변전소, 중공업 플랜트, 지하철, 화학단지, 제철소 등에서도 화재감시가 필요하다. 특히, 전력을 공급하는 시설물(예를 들면, 다양한 발전소, 배전반, 변압기 등)에서 화재가 발생하는 경우 산업단지, 공장, 가정에 전기공급이 불가능해지고, 막대한 재산피해가 예상된다. 따라서, 화재 발생의 위험성을 가지고 있는 시설물에 대한 감시의 필요성이 대두되고 있다.In addition to mountains and forests, fire monitoring is also required in apartments, buildings, schools, factories, ports, airports, water, sewage treatment plants, substations, heavy industry plants, subways, chemical complexes, and steel mills. In particular, when a fire occurs in a facility that supplies power (for example, various power plants, switchboards, transformers, etc.), it is impossible to supply electricity to industrial complexes, factories, and homes, and enormous damage to property is expected. Therefore, the necessity of monitoring the facility which has the danger of fire occurrence is emerging.

이에 따라 각종 건물 및 시설물에 대해 전원 안전 장치로서 과부하 차단기 또는 누전 차단기 등이 설치되고 있으며, 전원선로 또는 전기기기에 이상이 발생할 경우 신속히 전원을 차단하도록 동작한다. 그리고, 이러한 화재 예방 장치를 감시하기 위한 시스템에 대한 개발이 활발히 이루어지고 있으며, 화재 발생을 미리 예측하기 위해 각종 시스템 개발이 이루어지고 있다. Accordingly, an overload breaker or an earth leakage breaker is installed as a power safety device for various buildings and facilities, and operates to cut off the power quickly when an abnormality occurs in a power line or an electric device. In addition, development of a system for monitoring such a fire prevention device is being actively made, and various systems are being developed to predict a fire occurrence in advance.

한국 등록특허 10-1993851 (공고일자 2019년 6월 27일)Korea Patent Registration 10-1993851 (Notification date: June 27, 2019)

본 발명이 해결하고자 하는 기술적 과제는, 특정 지역의 화재 발생 조건 및 화재의 종류와 관련된 데이터들을 미리 수집하여 분석한 후 각종 데이터들을 실시간으로 감시하면서 인공지능 기반으로 화재 발생 여부를 미리 예측하고 감지할 수 있는 인공지능 기반의 화재 예방 감지 시스템을 제공하는 것이다. The technical problem to be solved by the present invention is to collect and analyze the data related to the fire conditions and the type of fire in a specific region in advance, and to predict and detect the fire occurrence in advance based on artificial intelligence while monitoring various data in real time. To provide an artificial intelligence-based fire prevention detection system.

다만, 본 발명이 해결하고자 하는 기술적 과제는 상기 과제로 한정되는 것이 아니며, 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있다. However, the technical problem to be solved by the present invention is not limited to the above problem, and may be variously expanded in a range not departing from the technical spirit and scope of the present invention.

상기 과제를 해결하기 위한 본 발명의 일 실시예에 따른 인공지능 기반의 화재 예방 감지 시스템은, 특정 지역에 설치되어, 열이 발생하는 물체에서 방출되는 적외선을 감지하여 전기적 신호로 변경하고, 상기 전기적 신호의 크기에 따라 색상을 표시하는 열화상 이미지센서, 상기 특정 지역에 설치되고, 파이프 네트워크를 이용하여 상기 특정 지역에서의 공기중 연기 농도를 측정하는 연기 감지 센서, 상기 특정 지역에 설치되고, 공기중에 유출된 가스의 종류와 농도를 감지하는 가스 센서, 상기 특정 지역에 설치되고, 빛을 광섬유에 입사시켜 온도변화에 따른 광섬유 내의 입자들의 진동에 의해 빛 파장변화를 감지하는 광센서, 상기 광센서에서 감지한 빛 파장변화를 연산처리하여 온도를 표시하는 광센서 중계기, 상기 특정 지역에 설치되고, 화재가 발생한 케이스별로 화재 발생 이전의 온도 데이터, 습도 데이터, 연기 데이터 및 가스 데이터를 수집하여 저장하는 데이터 수집부, 상기 데이터 수집부에 저장된 카테고리별 데이터들을 분석하여 화재 발생의 예측을 위한 기초 자료를 산출하는 데이터 분석부, 및 상기 데이터 분석부의 분석 결과에 따른 상기 기초 자료를 바탕으로 상기 열화상 이미지센서, 상기 연기 감지 센서, 상기 가스 센서, 상기 광센서로부터 전달된 데이터를 이용하여 화재 발생 여부를 미리 예측하는 인공지능 제어부를 포함한다. Artificial intelligence-based fire prevention detection system according to an embodiment of the present invention for solving the above problems, is installed in a specific area, detects the infrared radiation emitted from the object that generates heat to change the electrical signal, the electrical Thermal image sensor for displaying color according to the signal size, installed in the specific region, smoke detection sensor for measuring the concentration of smoke in the air in the specific region using a pipe network, installed in the specific region, air Gas sensor for detecting the type and concentration of gas leaked in the air, installed in the specific area, the light sensor for detecting the change in light wavelength by vibration of particles in the optical fiber according to the temperature change by incident light to the optical fiber, the optical sensor Optical sensor repeater that displays the temperature by calculating the light wavelength change detected by the sensor. A data collector which collects and stores temperature data, humidity data, smoke data, and gas data before a fire in each case, and analyzes data for each category stored in the data collector to calculate basic data for prediction of fire occurrence. Based on the data analysis unit and the basic data according to the analysis result of the data analysis unit, the fire image is predicted in advance by using the data transmitted from the thermal image sensor, the smoke detection sensor, the gas sensor, and the optical sensor. An artificial intelligence control unit is included.

본 발명에 따른 몇몇 실시예에서, 상기 인공지능 제어부는, 상기 열화상 이미지센서 또는 상기 광센서로부터 전달된 온도 데이터를 이용하여 기 설정된 데이터 변동 추이 및 평균값에 매칭되는 온도 조건이 발생하는 경우 화재 발생 예측 이벤트를 생성하는 온도 데이터 처리부를 포함할 수 있다. In some embodiments according to the present disclosure, the artificial intelligence controller may generate a fire when a temperature condition matching a predetermined data change trend and an average value occurs using temperature data transmitted from the thermal image sensor or the optical sensor. It may include a temperature data processor for generating a prediction event.

본 발명에 따른 몇몇 실시예에서, 상기 인공지능 제어부는, 상기 연기 감지 센서로부터 전달되는 연기의 성분과 농도에 관한 데이터를 보정하여 보정 데이터를 출력하는 연기감지 데이터 처리부를 더 포함할 수 있다. In some embodiments according to the present disclosure, the artificial intelligence controller may further include a smoke detection data processing unit configured to output data by correcting data regarding components and concentrations of smoke transmitted from the smoke detection sensor.

본 발명에 따른 몇몇 실시예에서, 상기 인공지능 제어부는, 상기 가스 센서로부터 전달되는 가스의 종류와 농도에 관한 데이터를 보정하고, 상기 가스의 종류에 따라 기 설정된 위험 기준과 보정된 가스의 농도를 비교한 후 가스 감지 이벤트를 생성하는 가스감지 데이터 처리부를 더 포함할 수 있다. In some embodiments according to the present invention, the artificial intelligence controller corrects data regarding a type and a concentration of a gas delivered from the gas sensor, and adjusts a predetermined risk criterion and a concentration of the corrected gas according to the type of the gas. The gas detection data processor may further include a gas detection data processor configured to generate a gas detection event after comparison.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.Other specific details of the invention are included in the detailed description and drawings.

본 발명에 따르면, 열, 연기, 가스를 감지할 수 있는 센서를 통해 특정 지역이나 시설물에서 발생할 수 있는 다양한 종류의 화재에 관해 미리 감지하고 화재 발생을 예측할 수 있다. According to the present invention, a sensor capable of detecting heat, smoke, and gas may detect in advance about various types of fires that may occur in a specific area or facility and predict a fire occurrence.

또한, 본 발명에 따르면, 인공지능 기술 기반으로 특정 지역에서의 화재 발생을 예측할 수 있고, 빅데이터 분석을 통해 특수한 상황에서 화재 발생이 염려되는 조건을 미리 결정하여 화재 발생을 예측할 수 있다. In addition, according to the present invention, it is possible to predict the occurrence of fire in a specific area based on artificial intelligence technology, and to predict the occurrence of fire by pre-determining a condition in which a fire is concerned in a specific situation through big data analysis.

다만, 본 발명의 효과는 상기 효과들로 한정되는 것이 아니며, 본 발명의 기술적 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있다. However, the effects of the present invention are not limited to the above effects, and may be variously expanded within the scope without departing from the spirit and scope of the present invention.

도 1은 본 발명의 실시예에 따른 인공지능 기반의 화재 예방 감지 시스템을 개략적으로 도시한 블록도이다.
도 2는 본 발명의 실시예에 따른 인공지능 제어부의 세부모듈을 개략적으로 도시한 블록도이다.
도 3은 본 발명에 적용되는 연기 감지 센서의 예시를 도시한 도면이다.
도 4는 본 발명에 적용되는 광센서의 예시를 도시한 도면이다. 1 is a block diagram schematically showing an artificial intelligence-based fire prevention detection system according to an embodiment of the present invention.
2 is a block diagram schematically illustrating a detailed module of an artificial intelligence controller according to an exemplary embodiment of the present invention.
3 is a diagram illustrating an example of a smoke detection sensor applied to the present invention.
4 is a view showing an example of an optical sensor applied to the present invention.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 것이며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하며, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. Advantages and features of the present invention, and methods for achieving them will be apparent with reference to the embodiments described below in detail in conjunction with the accompanying drawings. However, the present invention is not limited to the embodiments disclosed below, but may be implemented in various different forms, only the present embodiments to make the disclosure of the present invention complete, and common knowledge in the art to which the present invention pertains. It is provided to fully inform the person having the scope of the invention, which is defined only by the scope of the claims.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며, 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. In this specification, the singular also includes the plural unless specifically stated otherwise in the phrase. As used herein, “comprises” and / or “comprising” refers to the presence of one or more other components, steps, operations and / or elements. Or does not exclude additions.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.Unless otherwise defined, all terms used in the present specification (including technical and scientific terms) may be used in a sense that can be commonly understood by those skilled in the art. In addition, terms that are defined in a commonly used dictionary are not ideally or excessively interpreted unless they are specifically defined clearly.

이하, 첨부한 도면들을 참조하여, 본 발명의 바람직한 실시예들을 보다 상세하게 설명하고자 한다. 도면 상의 동일한 구성요소에 대해서는 동일한 참조 부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.Hereinafter, with reference to the accompanying drawings, it will be described in detail preferred embodiments of the present invention. The same reference numerals are used for the same elements in the drawings, and duplicate descriptions of the same elements are omitted.

도 1은 본 발명의 실시예에 따른 인공지능 기반의 화재 예방 감지 시스템을 개략적으로 도시한 블록도이다. 도 2는 본 발명의 실시예에 따른 인공지능 제어부의 세부모듈을 개략적으로 도시한 블록도이다. 도 3은 본 발명에 적용되는 연기 감지 센서의 예시를 도시한 도면이다. 도 4는 본 발명에 적용되는 광센서의 예시를 도시한 도면이다. 1 is a block diagram schematically showing an artificial intelligence-based fire prevention detection system according to an embodiment of the present invention. 2 is a block diagram schematically showing a detailed module of an artificial intelligence controller according to an embodiment of the present invention. 3 is a diagram illustrating an example of a smoke detection sensor applied to the present invention. 4 is a view showing an example of an optical sensor applied to the present invention.

도 1 내지 도 4를 참조하면, 본 발명의 실시예에 따른 인공지능 기반의 화재 예방 감지 시스템(100)은 열화상 이미지센서(110), 연기 감지 센서(120), 가스 센서(130), 광센서(140), 광센서 중계기(150), 데이터 수집부(200), 데이터 분석부(210), 인공지능 제어부(220), 통신부(300)를 포함한다. 1 to 4, the artificial intelligence-based fire prevention detection system 100 according to an embodiment of the present invention is a thermal image sensor 110, smoke detection sensor 120, gas sensor 130, light The sensor 140, the optical sensor repeater 150, the data collecting unit 200, the data analyzing unit 210, the artificial intelligence controller 220, and the communication unit 300 are included.

열화상 이미지센서(110)는 열이 발생하는 물체에서 나오는 적외선을 전기적 신호로 변경하며 전기적 신호의 크기에 따라 색상으로 표시할 수 있는 센서이다. 열화상 이미지센서(110)는 복수의 센서를 어레이(array) 형식으로 구비하고 있어, 기 설정되었거나 사용자의 요구에 의해 정해진 특정 영역(A영역)에 대한 온도 데이터를 수집할 수 있다.The thermal image sensor 110 is a sensor that changes the infrared light emitted from an object generating heat into an electrical signal and displays the color according to the size of the electrical signal. The thermal image sensor 110 includes a plurality of sensors in an array form, and may collect temperature data for a specific area (area A) that is preset or determined by a user's request.

열화상 카메라가 화상 내에 사물의 윤곽선을 처리하고 온도를 표시하는 반면, 열화상 이미지센서(110)는 화상 내의 세부 영역의 온도를 그대로 표시하는 것에 차이가 있다. 예를 들어, 열화상 이미지센서(110)는 특정 영역(A영역)을 복수의 센서의 수로 나누어 구분한 세부 영역에 대해 각각의 센서가 온도를 측정하고, 그 값을 모아서 온도 데이터를 생성할 수 있다. While the thermal imaging camera processes the contour of an object in the image and displays the temperature, the thermal image sensor 110 is different from displaying the temperature of the detail region in the image as it is. For example, the thermal image sensor 110 may generate temperature data by measuring the temperature of each sensor in a specific area divided into a specific area (area A) by the number of sensors and collecting the values. have.

열화상 이미지센서(110)의 온도 데이터는 열화상 카메라가 출력하는 영상 데이터와는 데이터의 형식, 데이터가 포함하는 정보 등에서 차이가 있다. 열화상 이미지센서(110)가 수집하는 온도 데이터는 영하 20℃에서 영상 250℃의 범위 내 값을 가질 수 있다.The temperature data of the thermal image sensor 110 is different from the image data output from the thermal imager in the format of the data and information included in the data. Temperature data collected by the thermal image sensor 110 may have a value within the range of minus 20 ℃ to image 250 ℃.

또한, 열화상 이미지센서(110)는 유무기 박막의 수분 흡수에 따른 저항 또는 정전용량의 변화를 감지하는 습도 센서(111)를 포함할 수 있다. 열화상 이미지센서(110)는 습도 센서(111)를 이용하여 화재 예방 감지 시스템(100)이 설치된 공간의 상대 습도(relative humidity, RH)에 대한 습도 데이터를 출력할 수 있다. 실시예에 따라, 습도 센서(111)는 열화상 이미지센서(110)와 구분되는 별도의 모듈로 포함될 수도 있다. 열화상 이미지센서(110) 또는 습도 센서(111)가 수집할 수 있는 습도 데이터는 5~99% RH(Relative Humidity)의 범위를 가질 수 있다.In addition, the thermal image sensor 110 may include a humidity sensor 111 for detecting a change in resistance or capacitance according to moisture absorption of the organic or inorganic thin film. The thermal image sensor 110 may output humidity data about relative humidity (RH) of a space where the fire prevention detection system 100 is installed by using the humidity sensor 111. According to an embodiment, the humidity sensor 111 may be included as a separate module that is distinguished from the thermal image sensor 110. Humidity data that can be collected by the thermal image sensor 110 or the humidity sensor 111 may have a range of 5 ~ 99% RH (Relative Humidity).

연기 감지 센서(120)는 파이프 네트워크를 이용하여 화재 예방 감지 시스템(100)이 설치된 공간에서의 공기중의 연기 농도가 얼마인지를 실시간으로 측정하여 화재의 징후를 조기에 판별할 수 있는 센서이다. 연기 감지 센서(120)는 흡입팬을 이용하여 감지 구역에 설치된 파이프 홀을 통해 공기를 흡입하여 필터에서 먼지를 걸러내고, 레이저 챔버에서 연기 성분이 검출되면 검출된 연기의 농도를 디스플레이한다. Smoke detection sensor 120 is a sensor that can determine the signs of a fire early by measuring in real time how the smoke concentration in the air in the space where the fire prevention detection system 100 is installed using a pipe network. The smoke sensor 120 sucks air through a pipe hole installed in the detection zone by using a suction fan to filter dust from the filter, and displays the detected smoke concentration when a smoke component is detected in the laser chamber.

연기 감지 센서(120)는 예를 들어, 1~4개의 공기 흡입 배관을 설치하여 공기 흡입 배관으로 연기 입자를 흡입하여 레이저 챔버에서 빛이 산란되는 값을 측정하는 방식으로 동작한다. 연기 감지 센서(120)는 연기의 발생여부를 감지할 뿐만 아니라, 연기의 성분을 감지할 수 있다.The smoke detection sensor 120 operates by, for example, installing 1 to 4 air suction pipes to suck smoke particles into the air suction pipes and measure a value of scattering of light in the laser chamber. The smoke sensor 120 may detect not only smoke generation, but also components of smoke.

가스 센서(130)는 빠른 감지(즉, 반응 시간이 짧음) 동작을 요구하기 때문에, 반도체식 또는 전기화학식 센서를 적용할 수 있다. 여기서, 반도체식 가스 센서는 가스와의 반응에 따른 금속 산화물의 저항이 변화하는 정도를 통해 가스를 검출하고, 전기화학식 가스 센서는 가스와의 반응에 의한 반응 및 기준 전극 간의 기전력 변화를 통해 가스를 검출할 수 있다. Since the gas sensor 130 requires fast sensing (ie, short reaction time) operation, a semiconductor or electrochemical sensor may be applied. Here, the semiconductor gas sensor detects the gas through the degree of change in the resistance of the metal oxide according to the reaction with the gas, and the electrochemical gas sensor detects the gas through the reaction caused by the reaction with the gas and the electromotive force change between the reference electrode. Can be detected.

가스 센서(130)가 감지하는 주된 유해 가스에는 휘발성 유기화합물(volatile organic compound, VOC)이 포함된다. 휘발성 유기화합물(VOC)은 대기 중에서 질소산화물과 공존하면 햇빛의 작용으로 광화학 반응을 일으켜 오존 및 팬(PAN:퍼옥시아세틸 나이트레이트) 등 광화학 산화성 물질을 생성시켜 광화학 스모그를 유발하는 물질을 포함한다. The main harmful gas detected by the gas sensor 130 includes a volatile organic compound (VOC). Volatile organic compounds (VOCs) include materials that cause photochemical smog by generating photochemical oxidizing substances such as ozone and fan (PAN: peroxyacetyl nitrate) when they coexist with nitrogen oxides in the atmosphere, causing photochemical reactions under the action of sunlight. .

특히, 휘발성 유기화합물(VOC)은 산업체에서 많이 사용하는 용매에서 화학 및 제약공장이나 플라스틱 건조공정에서 배출되는 유기가스에 이르기까지 매우 다양하며 끓는점이 낮은 액체연료, 파라핀, 올레핀, 방향족화합물 등 생활주변에서 흔히 사용하는 탄화수소류가 포함된다. In particular, volatile organic compounds (VOCs) range from solvents commonly used in industry to organic gases emitted from chemical and pharmaceutical factories or plastic drying processes, and low boiling point liquid fuels, paraffin, olefins, aromatics, etc. Hydrocarbons commonly used in the art.

여기서, 휘발성 유기화합물(VOC)은 환경 오염뿐만 아니라 시설물의 안전을 위해서도 감지될 필요가 있다. 가스 센서(130)가 감지할 수 있는 가스는 포름알데히드, 톨루엔, 벤젠, 자일렌, 유기용제 중 적어도 하나를 포함하며, 가스 센서(130)가 감지할 수 있는 가스의 농도는 5ppb ~ 10000ppm의 범위를 가질 수 있다.Here, volatile organic compounds (VOC) need to be detected not only for environmental pollution but also for safety of facilities. Gas that can be detected by the gas sensor 130 includes at least one of formaldehyde, toluene, benzene, xylene, organic solvent, the concentration of the gas that can be detected by the gas sensor 130 is in the range of 5ppb ~ 10000ppm It can have

가스 센서(130)는 대기 확산 방식(diffusion type)으로 유해 가스를 측정할 수 있다. 대기 확산 방식의 가스 센서는 대기 중에 가스가 유출되면, 가스의 비중과 유출 시의 압력으로 인해 가스가 대류를 형성하게 되고, 대류하는 가스가 가스 센서(130)를 지나갈 때 측정되는 방식이다. The gas sensor 130 may measure harmful gases in an air diffusion type. In the air diffusion type gas sensor, when the gas flows out into the atmosphere, the gas forms convection due to the specific gravity of the gas and the pressure at the outflow, and is measured when the convective gas passes through the gas sensor 130.

대기 확산 방식의 가스 센서(130)는 고열, 고습, 고압의 환경에서 전처리가 불가능하여 오동작이 자주 발생할 수 있다. 따라서, 열화상 이미지센서(110) 및 습도 센서(111) 등을 통해 수집된 온도/습도 데이터를 이용하여 감지된 가스와 가스의 농도를 자체 보정할 필요가 있다.The air diffusion type gas sensor 130 may not be pretreated in an environment of high temperature, high humidity, and high pressure, and thus malfunctions may frequently occur. Therefore, it is necessary to self-correct the detected gas and the concentration of the gas by using the temperature / humidity data collected through the thermal image sensor 110 and the humidity sensor 111.

광센서(140)는 미세한 온도변화를 검출하는 센서로서 빛을 광섬유에 입사시켜 온도변화에 따른 광섬유 내의 입자들의 진동에 의해 빛 파장변화를 감지하고, 온도가 올라갈수록 감지되는 빛의 파장이 강해지는 원리를 이용하여 파장의 변화를 광센서 중계기(150)에서 연산처리하여 관리자에게 온도를 표시하도록 하는 장치이다. 빛이 광섬유 내로 입사한 시간과 온도변화에 따른 파장이 변하는 부분으로부터 광센서 중계기(150)에서 감지하는 시간을 측정하고, 빛의 속도는 이미 알려진 값이므로 이를 연산하면 미터(m) 단위로 위치파악이 가능하다. The optical sensor 140 is a sensor for detecting a small temperature change, and incident light to the optical fiber to detect the change in the light wavelength due to the vibration of the particles in the optical fiber according to the temperature change, and the temperature of the detected light becomes stronger as the temperature increases. It is a device that displays the temperature to the manager by processing the change of the wavelength in the optical sensor repeater 150 by using the principle. Measure the time when the light is input into the optical fiber and the time detected by the optical sensor repeater 150 from the portion of the wavelength changes according to the temperature change, and the speed of light is a known value, so calculating the position in meters (m) This is possible.

데이터 수집부(200)는 화재 발생의 경우를 기준으로 하여 그 이전의 시각별 데이터를 미리 수집하도록 동작한다. 예를 들어, 화재의 종류에는 고체 가연물 화재, 유류화재, 전기화재, 금속화재, 가연성 요리재료 화재 등이 있는데, 각각의 화재가 발생한 케이스별로 화재 발생 이전의 온도 데이터, 습도 데이터, 영상 데이터, 연기관련 데이터, 가스관련 데이터들을 수집하여 저장한다. The data collection unit 200 operates to collect data before each time in advance based on a fire occurrence. For example, the types of fires include solid combustible fires, oil fires, electric fires, metal fires, and flammable cooking material fires. For each fire case, the temperature data, humidity data, image data, and smoke before the fire occurred. Collect and store related data and gas related data.

이때, 데이터 수집부(200)는 데이터를 수집하는 공간의 특성, 예를 들어, 건물의 위치, 건물의 종류, 건축자재의 종류, 주변환경 데이터 등 변수로 설정될 수 있는 데이터들을 미리 상정하고 각각에 해당되는 데이터들을 수집한다. 이를 기초로, 빅데이터 분석을 통해 특수한 상황에서 화재 발생이 염려되는 조건을 미리 결정한다. In this case, the data collection unit 200 assumes in advance data that may be set as variables such as characteristics of a space for collecting data, for example, a location of a building, a type of building, a type of building material, and environmental data. Collect data corresponding to Based on this, big data analysis is used to determine in advance the conditions under which fires may occur in special situations.

데이터 분석부(210)는 데이터 수집부(200)에서 수집하여 저장한 각 카테고리별 데이터들을 분석하며, 분석에 따른 결과값의 추이 변화 및 개별 카테고리에 대한 평균 결과값을 산출하여 이를 화재 발생의 예측을 위한 기초 자료로 활용한다. 상황에 따라 다르게 적용될 수 있지만, 특정한 종류의 화재 발생에 대한 각각의 변수 관련 공통 조건들을 미리 결정한다. The data analyzer 210 analyzes data of each category collected and stored by the data collector 200, calculates a change in the result value according to the analysis and an average result value for each category, and predicts the occurrence of fire. Use it as a basic resource for Although it may be applied differently depending on the situation, predetermined conditions related to each variable for a specific kind of fire occurrence are determined in advance.

인공지능 제어부(220)는 열화상 이미지센서(110), 연기 감지 센서(120), 가스 센서(130), 광센서(140)로부터 전달된 온도 데이터, 습도 데이터, 감지된 연기 및 가스의 종류와 농도를 이용하여 화재 발생 여부를 미리 예측하고 판단한다. 즉, 데이터 분석부(210)에 저장된 화재 발생에 대한 각 변수 관련 공통 조건들을 검색하여, 열화상 이미지센서(110), 연기 감지 센서(120), 가스 센서(130), 광센서(140)에서 실제로 수집한 데이터 값이 매칭되는지 여부를 판단한다. The artificial intelligence controller 220 includes temperature data, humidity data, type of smoke and gas detected from the thermal image sensor 110, the smoke detection sensor 120, the gas sensor 130, and the optical sensor 140. Use concentrations to predict and judge fires in advance. That is, the thermal image sensor 110, the smoke detection sensor 120, the gas sensor 130, and the optical sensor 140 may search for common parameters related to each variable for fire occurrence stored in the data analyzer 210. It is determined whether the data values actually collected match.

예를 들어, 인공지능 제어부(220)는 온도 데이터 처리부(221), 연기감지 데이터 처리부(222) 및 가스감지 데이터 처리부(223)를 포함할 수 있다.For example, the artificial intelligence controller 220 may include a temperature data processor 221, a smoke detection data processor 222, and a gas detection data processor 223.

온도 데이터 처리부(221)는 온도 데이터를 입력 받아 기 설정된 데이터 변동 추이 및 평균값에 매칭되는 온도 조건이 발생하는 경우 화재 발생 예측 이벤트(E1)를 생성할 수 있다. 여기서, 화재 발생 예측 이벤트(E1)의 생성 조건은 화재 발생을 예측하고자 하는 사용 목적과 사용 환경에 따라 변경될 수 있다. 또한, 화재 발생 예측 이벤트(E1)의 생성 조건으로 온도 데이터에서 기준 값에 매칭되는 데이터가 기 설정된 횟수만큼 존재하는 경우로 한정하여 이벤트(E1)를 생성할 수도 있다. The temperature data processor 221 may receive the temperature data and generate a fire occurrence prediction event E1 when a temperature condition matching a preset data change trend and an average value occurs. Here, the generation conditions of the fire occurrence prediction event E1 may be changed according to the purpose of use and the environment in which the fire occurrence is to be predicted. In addition, the event E1 may be generated only when data matching the reference value in the temperature data exists a predetermined number of times as a condition for generating the fire occurrence prediction event E1.

또한, 온도 데이터 처리부(221)는 열화상 이미지센서(110) 또는 광센서(140)에서 출력된 온도 데이터를 배열하여 특정 영역(A영역)에 대한 온도맵 이미지(Thermal map image)를 생성할 수 있다. 열화상 이미지센서(110)는 특정 영역(A영역)에 대한 온도 데이터만을 출력하는데, 온도 데이터 처리부(221)는 이를 특정 영역(A영역)의 온도를 나타내는 온도맵(Thermal Map)과 같이 이미지 또는 영상처럼 변환하여 출력할 수 있다. 온도 데이터 처리부(221)에서 출력된 온도맵 이미지는 다양한 저장 장치에 저장이 가능하며, 추후에 저장된 데이터를 검색할 수도 있다.In addition, the temperature data processor 221 may generate a temperature map image for a specific area (area A) by arranging temperature data output from the thermal image sensor 110 or the optical sensor 140. have. The thermal image sensor 110 outputs only temperature data for a specific area (area A), and the temperature data processing unit 221 displays the image or the like as a temperature map indicating a temperature of the specific area (area A). It can be converted and printed like a video. The temperature map image output from the temperature data processor 221 may be stored in various storage devices, and the stored data may be retrieved later.

예를 들어, 화재 예방 감지 시스템(100)이 온도맵 이미지를 유무선 통신방식으로 전송하는 경우, 온도맵 이미지는 네트워크 비디오 레코더(Network Video Recorder, NVR)에 저장을 할 수 있는 형식으로 생성될 수 있다. 화재 예방 감지 시스템(100)도 특정 영역(A영역)에 대한 감시 시스템의 한 종류로서, 사용자의 감시 및 보안 시스템 기능을 확장하여 IP 비디오의 효율적인 모니터링, 전송 및 저장을 위해 사용되는 네트워크 비디오 레코더(NVR)와 연동이 요구될 수 있다.For example, when the fire prevention detection system 100 transmits the temperature map image through a wired or wireless communication method, the temperature map image may be generated in a format that can be stored in a network video recorder (NVR). . The fire prevention detection system 100 is also a kind of surveillance system for a specific area (area A), which extends the user's surveillance and security system functions to be used for efficient monitoring, transmission and storage of IP video. NVR) may be required.

한편, 온도 데이터 처리부(221)는 거리와 측정 물체(Target Object)의 크기에 따른 온도 보정 처리 기술을 포함할 수 있다. 예를 들어, 특정 영역(A영역) 내 물체의 실제 온도(접촉 온도)가 100℃이지만 측정 거리가 멀어지면 온도 값이 내려가는데, 이는 물체로부터 발생하는 적외선이 중간의 공간에서 소실되기 때문이다. 이러한 이유로 특정 영역(A영역) 내 물체의 실제 온도를 정확하게 출력할 수 없는 점을 극복하기 위하여, 온도 데이터 처리부(221)는 물체와 열화상 이미지센서(110) 사이의 거리에 따라 실제 온도와 측정 온도가 달라지는 차이를 보정할 수 있다.The temperature data processor 221 may include a temperature correction processing technique according to a distance and a size of a target object. For example, if the actual temperature (contact temperature) of an object in a specific area (area A) is 100 ° C, but the measurement distance is far, the temperature value decreases because the infrared rays emitted from the object are lost in the intermediate space. For this reason, in order to overcome the fact that the actual temperature of the object in the specific area (area A) cannot be accurately output, the temperature data processor 221 measures the actual temperature and the measurement according to the distance between the object and the thermal image sensor 110. The difference in temperature can be corrected.

또한, 온도 데이터 처리부(221)는 열화상 이미지센서(110) 또는 습도 센서(111)로부터 전달되는 습도 데이터를 이용하여 수집된 온도 데이터를 보정처리 할 수 있다. 기존의 열화상 카메라는 사용자가 상대 습도를 입력하여 입력된 값을 기준으로 온도 데이터를 보정처리 하였으나, 열화상 이미지센서(110) 또는 습도 센서(111)로부터 상대 습도에 관한 습도 데이터를 수집할 수 있어 사용자의 별도 입력 없이 온도 데이터 처리부(221)가 자체적으로 온도 데이터를 보정처리 할 수 있다.In addition, the temperature data processor 221 may correct the collected temperature data using humidity data transmitted from the thermal image sensor 110 or the humidity sensor 111. Conventional thermal cameras have corrected temperature data based on input values by a user inputting relative humidity, but can collect humidity data on relative humidity from the thermal image sensor 110 or the humidity sensor 111. Therefore, the temperature data processor 221 may correct the temperature data without a user's separate input.

연기감지 데이터 처리부(222)는 연기 감지 센서(120)로부터 검출되는 연기의 성분이 무엇인지, 그리고 연기 성분의 농도에 대한 정보를 전달받을 수 있다. 연기의 성분 종류에 따라 화재 발생의 종류가 달라질 수 있으며, 특정한 종류의 화재에 대한 대응 방식도 달라지기 때문에, 연기감지 데이터 처리부(222)는 연기 감지 센서(120)로부터 전달되는 연기의 성분과 농도에 관한 데이터를 자체 보정할 수 있다. 보정된 데이터를 이용하여 데이터 분석부(210)의 분석 결과에 따른 특정한 종류의 화재 발생에 대한 연기관련 변수의 조건들을 검색하고, 실제로 특정 영역(A영역)에서 발생가능한 화재를 예측할 수 있다. The smoke detection data processor 222 may receive information about the smoke component detected from the smoke sensor 120 and information on the concentration of the smoke component. Since the type of fire may vary according to the type of the smoke, and a response method for a specific type of fire also varies, the smoke detection data processor 222 may control the concentration and concentration of the smoke transmitted from the smoke detection sensor 120. Self-calibration of data on. By using the corrected data, the conditions of the smoke-related variable for the specific type of fire occurrence according to the analysis result of the data analyzer 210 may be searched, and the fire that may actually occur in a specific area (area A) may be predicted.

가스감지 데이터 처리부(223)는 가스 센서(130)로부터 검출되는 가스가 무엇인지, 농도는 얼마인지에 대한 정보를 전달받을 수 있다. 또한, 가스감지 데이터 처리부(223)는 열화상 이미지센서(110) 또는 습도 센서(111)에서 전달되는 온도 데이터 또는 습도 데이터를 통해 가스 센서(130)에서 전달되는 감지된 가스의 농도를 자체 보정할 수 있다. 가스 센서(130)로부터 전달된 가스의 농도를 보정한 후, 가스감지 데이터 처리부(223)는 가스의 종류에 따라 기 설정된 위험 기준과 보정된 가스의 농도를 비교한 후 가스 감지 이벤트(E2)를 생성할 수 있다. The gas detection data processor 223 may receive information on what is the gas detected from the gas sensor 130 and how much the concentration is. In addition, the gas detection data processor 223 self-corrects the concentration of the detected gas delivered from the gas sensor 130 through the temperature data or the humidity data transmitted from the thermal image sensor 110 or the humidity sensor 111. Can be. After correcting the concentration of the gas delivered from the gas sensor 130, the gas detection data processing unit 223 compares the concentration of the gas with the preset risk criteria according to the type of gas and then detects the gas detection event E2. Can be generated.

가스감지 데이터 처리부(223)는 복수의 유해 가스 각각에 대한 기 설정된 위험 기준을 저장하는 저장장치를 포함할 수 있으며, 위험 기준은 화재 예방 감지 시스템(100)이 설치되는 시설물에 대한 규제, 안전 기준 등에 따라 결정될 수 있다.The gas detection data processing unit 223 may include a storage device that stores a preset risk standard for each of the plurality of harmful gases, and the risk standard is a regulation and safety standard for a facility where the fire prevention detection system 100 is installed. And so on.

가스감지 데이터 처리부(223)는 가스 센서(130)로부터 전달되는 가스의 종류와 농도에 관한 데이터를 자체 보정할 수 있다. 보정된 데이터를 이용하여 데이터 분석부(210)의 분석 결과에 따른 특정한 종류의 화재 발생에 대한 가스관련 변수의 조건들을 검색하고, 실제로 특정 영역(A영역)에서 발생가능한 화재를 예측할 수 있다. The gas detection data processor 223 may self-correct data regarding the type and concentration of the gas delivered from the gas sensor 130. The corrected data may be used to search for conditions of gas-related variables for a specific kind of fire according to the analysis result of the data analyzer 210, and predict a fire that may actually occur in a specific area (area A).

본 발명의 실시예에 따른 화재 예방 감지 시스템(100)은 화재 발생 감지를 위한 중앙 관리실에서 사용할 수도 있고, 대형 산업화 단지에서의 화재 발생 예방을 위해 사용될 수도 있다. 또한, 화재 예방 감지 시스템(100)은 가정용으로 사용하거나, 검시관, 단속원, 관리자 등의 개인이 장치를 휴대하여 사용할 수도 있다. 이러한 사용 목적에 따라, 화재 예방 감지 시스템(100)은 통신부(300)와 데이터 저장부(310)를 포함할 수 있다.Fire prevention detection system 100 according to an embodiment of the present invention may be used in the central management room for the detection of fire, or may be used for the prevention of fire in a large industrial complex. In addition, the fire prevention detection system 100 may be used for home use, or an individual such as a medical examiner, an officer, or an administrator may carry and use the device. According to the purpose of use, the fire prevention detection system 100 may include a communication unit 300 and a data storage unit 310.

통신부(300)는 온도 데이터 처리부(221)에서 출력되는 화재 발생 예측 이벤트(E1), 가스감지 데이터 처리부(223)에서 출력되는 가스 감지 이벤트(E2)에 대응하는 신호를 유선 또는 무선 통신방식으로 전송한다. 통신부(300)는 유/무선 네트워크를 통해 사용자 또는 관계자의 휴대용 단말기, 소방서 또는 경찰서 등의 정부기관, 또는 화재관제센터의 통신서버 등과 연결될 수 있다. The communication unit 300 transmits a signal corresponding to a fire occurrence prediction event E1 output from the temperature data processing unit 221 and a gas detection event E2 output from the gas detection data processing unit 223 in a wired or wireless communication manner. do. The communication unit 300 may be connected to a mobile terminal of a user or a related person, a government agency such as a fire station or a police station, or a communication server of a fire control center through a wired / wireless network.

통신부(300)는 화재 발생 예측 이벤트(E1), 가스 감지 이벤트(E2)뿐만 아니라, 온도 데이터 처리부(221)에서 출력된 온도맵 이미지, 연기감지 데이터 처리부(222)에서 출력된 연기 성분의 농도 데이터, 가스감지 데이터 처리부(223)에서 출력된 감지된 가스의 종류와 농도 데이터 등에 관하여 적어도 하나를 사용자의 요구에 따라 전송할 수 있다.The communication unit 300 not only includes a fire occurrence prediction event E1 and a gas detection event E2, but also a temperature map image output from the temperature data processing unit 221 and concentration data of smoke components output from the smoke detection data processing unit 222. The gas detection data processor 223 may transmit at least one of the detected gas types and concentration data according to a user's request.

데이터 저장부(310)는 온도 데이터 처리부(221)에서 출력되는 화재 발생 예측 이벤트(E1), 가스감지 데이터 처리부(223)에서 출력되는 가스 감지 이벤트(E2)를 일정기간 동안 저장할 수 있다. 또한, 데이터 저장부(310)는 기 설정된 기간 동안 화재 발생 예측 이벤트(E1)에 대응하는 온도 데이터 또는 온도맵 이미지, 가스 감지 이벤트(E2)에 대응하는 감지된 가스의 종류 및 농도 변화에 관한 데이터 등을 함께 저장할 수 있다. 여기서, 데이터 저장부(310)에 저장할 정보의 종류와 저장하는 시간 등의 조건은 사용자의 사용 목적이나 데이터 저장부(310)의 저장 용량 등에 따라 변경될 수 있다.The data storage 310 may store a fire occurrence prediction event E1 output from the temperature data processor 221 and a gas detection event E2 output from the gas detection data processor 223 for a predetermined period of time. In addition, the data storage unit 310 is the temperature data or temperature map image corresponding to the fire occurrence prediction event (E1), the data on the type and concentration change of the detected gas corresponding to the gas detection event (E2) for a predetermined period. And so on. Here, conditions such as the type of information to be stored in the data storage unit 310 and the time to store the data may be changed according to a user's use purpose or storage capacity of the data storage unit 310.

전술된 실시예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로 이해되어야 하며, 본 발명의 범위는 전술된 상세한 설명보다는 후술될 청구범위에 의해 나타내어질 것이다. 그리고 이 청구범위의 의미 및 범위는 물론, 그 등가개념으로부터 도출되는 모든 변경 및 변형 가능한 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.It is to be understood that the foregoing embodiments are illustrative in all respects and not restrictive, the scope of the invention being indicated by the following claims rather than the foregoing description. And it is to be understood that all changes and modifications derived from the equivalent concept as well as the meaning and scope of the claims are included in the scope of the present invention.

100: 화재 예방 감지 시스템
110: 열화상 이미지센서
120: 연기 감지 센서
130: 가스 센서
140: 광센서
150: 광센서 중계기
200: 데이터 수집부
210: 데이터 분석부
220: 인공지능 제어부
300: 통신부100: fire prevention detection system
110: thermal image sensor
120: smoke detection sensor
130: gas sensor
140: light sensor
150: optical sensor repeater
200: data collector
210: data analysis unit
220: artificial intelligence control
300: communication unit

Claims (4)

특정 지역에 설치되어, 열이 발생하는 물체에서 방출되는 적외선을 감지하여 전기적 신호로 변경하고, 상기 전기적 신호의 크기에 따라 색상을 표시하는 열화상 이미지센서(110);
상기 특정 지역에 설치되고, 파이프 네트워크를 이용하여 상기 특정 지역에서의 공기중 연기 농도를 측정하는 연기 감지 센서(120);
상기 특정 지역에 설치되고, 공기중에 유출된 가스의 종류와 농도를 감지하는 가스 센서(130);
상기 특정 지역에 설치되고, 빛을 광섬유에 입사시켜 온도변화에 따른 광섬유 내의 입자들의 진동에 의해 빛 파장변화를 감지하는 광센서(140);
상기 광센서(140)에서 감지한 빛 파장변화를 연산처리하여 온도를 표시하는 광센서 중계기(150);
상기 특정 지역에 설치되고, 화재가 발생한 케이스별로 화재 발생 이전의 온도 데이터, 습도 데이터, 연기 데이터 및 가스 데이터를 수집하여 저장하는 데이터 수집부(200);
상기 데이터 수집부(200)에 저장된 카테고리별 데이터들을 분석하여 화재 발생의 예측을 위한 기초 자료를 산출하는 데이터 분석부(210); 및
상기 데이터 분석부(210)의 분석 결과에 따른 상기 기초 자료를 바탕으로 상기 열화상 이미지센서(110), 상기 연기 감지 센서(120), 상기 가스 센서(130), 상기 광센서(140)로부터 전달된 데이터를 이용하여 화재 발생 여부를 미리 예측하는 인공지능 제어부(220);를 포함하고,
상기 인공지능 제어부(220)는 상기 열화상 이미지센서(110) 또는 상기 광센서(140)로부터 전달된 온도 데이터를 이용하여 기 설정된 데이터 변동 추이 및 평균값에 매칭되는 온도 조건이 발생하는 경우 화재 발생 예측 이벤트를 생성하는 온도 데이터 처리부(221)를 포함하는, 인공지능 기반의 화재 예방 감지 시스템.A thermal image sensor 110 installed in a specific area to detect infrared rays emitted from an object generating heat and change the electrical signal into an electrical signal, and display a color according to the magnitude of the electrical signal;
A smoke detection sensor (120) installed in the specific region and measuring a concentration of smoke in the air in the specific region using a pipe network;
A gas sensor 130 installed at the specific region and detecting a type and a concentration of gas leaked into the air;
An optical sensor 140 installed at the specific region and detecting light wavelength change by vibration of particles in the optical fiber according to temperature change by incident light on the optical fiber;
An optical sensor repeater 150 displaying a temperature by calculating a light wavelength change detected by the optical sensor 140;
A data collection unit 200 installed in the specific area and collecting and storing temperature data, humidity data, smoke data, and gas data before a fire for each case of a fire;
A data analyzer 210 for analyzing basic data stored in the data collector 200 to calculate basic data for predicting a fire occurrence; And
Transfer from the thermal image sensor 110, the smoke detection sensor 120, the gas sensor 130, the optical sensor 140 based on the basic data according to the analysis result of the data analysis unit 210. It includes; AI control unit 220 for predicting the occurrence of fire in advance using the data,
The artificial intelligence controller 220 predicts a fire occurrence when a temperature condition that matches a predetermined data change trend and an average value occurs by using temperature data transmitted from the thermal image sensor 110 or the optical sensor 140. Artificial intelligence-based fire prevention detection system comprising a temperature data processing unit 221 for generating an event. 삭제delete 제 1항에 있어서,
상기 인공지능 제어부(220)는, 상기 연기 감지 센서(120)로부터 전달되는 연기의 성분과 농도에 관한 데이터를 보정하여 보정 데이터를 출력하는 연기감지 데이터 처리부(222)를 더 포함하는, 인공지능 기반의 화재 예방 감지 시스템.The method of claim 1,
The artificial intelligence controller 220 further includes a smoke detection data processing unit 222 for correcting data on components and concentrations of smoke transmitted from the smoke detection sensor 120 and outputting correction data. Fire prevention detection system. 제 3항에 있어서,
상기 인공지능 제어부(220)는, 상기 가스 센서(130)로부터 전달되는 가스의 종류와 농도에 관한 데이터를 보정하고, 상기 가스의 종류에 따라 기 설정된 위험 기준과 보정된 가스의 농도를 비교한 후 가스 감지 이벤트를 생성하는 가스감지 데이터 처리부(223)를 더 포함하는, 인공지능 기반의 화재 예방 감지 시스템.The method of claim 3, wherein
The artificial intelligence controller 220 corrects the data regarding the type and concentration of the gas delivered from the gas sensor 130 and compares the concentration of the corrected gas with the preset risk criteria according to the type of the gas. Further comprising a gas detection data processing unit 223 for generating a gas detection event, AI-based fire prevention detection system.
KR1020190082987A 2019-07-10 2019-07-10 The fire prevention detection system based on artificial intelligence technology KR102084884B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190082987A KR102084884B1 (en) 2019-07-10 2019-07-10 The fire prevention detection system based on artificial intelligence technology

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190082987A KR102084884B1 (en) 2019-07-10 2019-07-10 The fire prevention detection system based on artificial intelligence technology

Publications (1)

Publication Number Publication Date
KR102084884B1 true KR102084884B1 (en) 2020-03-04

Family

ID=69783230

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190082987A KR102084884B1 (en) 2019-07-10 2019-07-10 The fire prevention detection system based on artificial intelligence technology

Country Status (1)

Country Link
KR (1) KR102084884B1 (en)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365669A (en) * 2020-10-10 2021-02-12 北京索斯克科技开发有限公司 Dual-band far infrared fusion-superposition imaging and fire early warning method and system
CN112509270A (en) * 2020-11-19 2021-03-16 北京城市轨道交通咨询有限公司 Fire monitoring linkage method, device and system for train compartment
KR102409061B1 (en) 2021-11-23 2022-06-16 주식회사 이린 Fire detection system using artificial intelligence in case of fire in apartment houses
WO2022131388A1 (en) * 2020-12-15 2022-06-23 주식회사 현성 Artificial intelligence-based safety management system using mobile unmanned detection device
KR20220095938A (en) * 2020-12-30 2022-07-07 경일대학교산학협력단 Fire detection device and method of predicting fire using the same
CN116777707A (en) * 2023-06-20 2023-09-19 浙江宏远智能科技有限公司 Intelligent community management system and method
KR102610309B1 (en) * 2022-12-13 2023-12-06 김대호 System for performing thermal imaging monitoring and diagnosis based on artificial intelligence

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090036222A (en) * 2007-10-09 2009-04-14 재단법인대구경북과학기술원 Method and system for processing sensor data
KR20090051889A (en) * 2007-11-20 2009-05-25 지멘스신화주식회사 Fire monitoring system using optical sensor
CN109243130A (en) * 2018-09-07 2019-01-18 公安部四川消防研究所 More methods physics fusion fire monitoring system and its predict fire probability
KR101993851B1 (en) 2018-04-12 2019-06-27 주식회사 엑스피아 Antifire system using cooking thermometer

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090036222A (en) * 2007-10-09 2009-04-14 재단법인대구경북과학기술원 Method and system for processing sensor data
KR20090051889A (en) * 2007-11-20 2009-05-25 지멘스신화주식회사 Fire monitoring system using optical sensor
KR101993851B1 (en) 2018-04-12 2019-06-27 주식회사 엑스피아 Antifire system using cooking thermometer
CN109243130A (en) * 2018-09-07 2019-01-18 公安部四川消防研究所 More methods physics fusion fire monitoring system and its predict fire probability

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112365669A (en) * 2020-10-10 2021-02-12 北京索斯克科技开发有限公司 Dual-band far infrared fusion-superposition imaging and fire early warning method and system
CN112509270A (en) * 2020-11-19 2021-03-16 北京城市轨道交通咨询有限公司 Fire monitoring linkage method, device and system for train compartment
WO2022131388A1 (en) * 2020-12-15 2022-06-23 주식회사 현성 Artificial intelligence-based safety management system using mobile unmanned detection device
KR20220095938A (en) * 2020-12-30 2022-07-07 경일대학교산학협력단 Fire detection device and method of predicting fire using the same
KR102564429B1 (en) * 2020-12-30 2023-08-07 경일대학교산학협력단 Fire detection device and method of predicting fire using the same
KR102409061B1 (en) 2021-11-23 2022-06-16 주식회사 이린 Fire detection system using artificial intelligence in case of fire in apartment houses
KR102610309B1 (en) * 2022-12-13 2023-12-06 김대호 System for performing thermal imaging monitoring and diagnosis based on artificial intelligence
CN116777707A (en) * 2023-06-20 2023-09-19 浙江宏远智能科技有限公司 Intelligent community management system and method
CN116777707B (en) * 2023-06-20 2023-12-01 浙江宏远智能科技有限公司 Intelligent community management system and method

Similar Documents

Publication Publication Date Title
KR102084884B1 (en) The fire prevention detection system based on artificial intelligence technology
KR101904282B1 (en) Apparatus and system for detecting symptom of fire and gas leak
US10762758B2 (en) Fire detection device and notification system
CN109564716B (en) System and method for detecting emergency situations
KR102164651B1 (en) Integrated management system for industrial gas supply facility
KR102135619B1 (en) Autonomous inspection of wildfire fire monitoring facilities based on IoT and intelligent fire terminal monitoring system
US9928709B2 (en) Fire detection device and method of detecting fire
KR101219176B1 (en) Integrated monitoring system for preventing disaster
KR20210012453A (en) The smart electric distribution system based on artificial intelligence technology
KR102204982B1 (en) The internet of things field control and guidance system using private communication network
KR101557745B1 (en) Leak gas leak detection and analysis system
CN107908160A (en) A kind of chemical plant laboratory safety wireless supervisory control system
CN108918781A (en) A kind of hydrogen sulfide gas on-line monitoring system
KR20220076374A (en) Fire safety monitoring system
CN104374611A (en) Volatile organic compound monitoring and sampling equipment
WO2021085737A1 (en) Real-time foul smell tracking system using ultralight flight device
Lertsinsrubtavee et al. SEA-HAZEMON: Active Haze Monitoring and Forest Fire Detection Platform
KR20200060606A (en) Composition fire detection system in industrial field
WO2013191496A1 (en) Disaster early warning system for traditional wooden structures
US20220128467A1 (en) Detecting and Monitoring Gas Leaks in an Industrial Setting
JP2007065888A (en) Fire alarm inspection device
KR102685581B1 (en) Anticipation and damage prevention system for hazardous substance accident risk areas in high-risk industrial sites using artificial intelligence
Putra et al. Integrated fire emergency response mitigation system based on internet of things
KR102335155B1 (en) Fire detection system providing movement monitoring function
KR102513316B1 (en) Method for monitoring construction site and server for performing the same

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant