KR20240079878A - System and Method for Integrated Managing Region Water Supply based Remote Deep Learning Technology - Google Patents
System and Method for Integrated Managing Region Water Supply based Remote Deep Learning Technology Download PDFInfo
- Publication number
- KR20240079878A KR20240079878A KR1020220163262A KR20220163262A KR20240079878A KR 20240079878 A KR20240079878 A KR 20240079878A KR 1020220163262 A KR1020220163262 A KR 1020220163262A KR 20220163262 A KR20220163262 A KR 20220163262A KR 20240079878 A KR20240079878 A KR 20240079878A
- Authority
- KR
- South Korea
- Prior art keywords
- data
- deep learning
- integrated control
- water supply
- event
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 124
- 238000013135 deep learning Methods 0.000 title claims abstract description 120
- 238000005516 engineering process Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000007726 management method Methods 0.000 claims abstract description 125
- 230000005540 biological transmission Effects 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 230000004044 response Effects 0.000 claims abstract description 19
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims description 75
- 230000008569 process Effects 0.000 claims description 21
- 238000013136 deep learning model Methods 0.000 claims description 16
- 238000003908 quality control method Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 239000002440 industrial waste Substances 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000010191 image analysis Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 238000007689 inspection Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005202 decontamination Methods 0.000 description 1
- 230000003588 decontaminative effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4076—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution using the original low-resolution images to iteratively correct the high-resolution images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Computational Linguistics (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Alarm Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Public Health (AREA)
Abstract
본 발명은 On Demand 전송 방법을 활용한 원격지 딥러닝 기술을 이용하여 단위 지역 상수도 관리 및 안전 관리를 효율적으로 통합 운용할 수 있도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법에 관한 것으로, 상수도 및 안전 분야 통합 관리를 위한 단위 지역에 복수 개 설치되어 영상을 획득하는 영상 획득 장치 및 상수도 및 안전 시설에 설치되어 실시간 변화를 측정하는 복수 개의 센서 모듈들;상기 영상 획득 장치 및 센서 모듈들로부터 영상 데이터 및 센싱 데이터를 수집하여 데이터 분석을 위한 전처리를 하여 분석을 통한 이벤트 검출을 하고 이벤트 정보를 통합 관제 센터 서버로 전송하는 원격지 딥러닝 통합 관제 서버;상기 원격지 딥러닝 통합 관제 서버로부터 이벤트 정보를 수신하여 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면, 저해상 원본 데이터를 전송 요청하여 원격지 딥러닝 통합 관제 서버로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하여 분석하여 이벤트 대응 처리를 하는 통합 관제 센터 서버;를 포함하는 것이다.The present invention relates to a unit area water supply integrated management system and method based on remote deep learning technology that enables efficient integrated operation of unit area water supply management and safety management using remote deep learning technology utilizing an on demand transmission method. , a plurality of image acquisition devices installed in a unit area to acquire images for integrated management of water supply and safety fields, and a plurality of sensor modules installed in water supply and safety facilities to measure real-time changes; the image acquisition devices and sensor modules A remote deep learning integrated control server that collects video data and sensing data, preprocesses them for data analysis, detects events through analysis, and transmits event information to the integrated control center server; Event information from the remote deep learning integrated control server If the received and analyzed result is determined to be an event that requires detailed analysis, low-resolution original data is requested to be transmitted, low-resolution original data is received from a remote deep learning integrated control server, original video is restored, played back, analyzed, and event response is processed. It includes an integrated control center server that does.
Description
본 발명은 단위 지역 상수도 및 안전 관리에 관한 것으로, 구체적으로 On Demand 전송 방법을 활용한 원격지 딥러닝 기술을 이용하여 단위 지역 상수도 관리 및 안전 관리를 효율적으로 통합 운용할 수 있도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법에 관한 것이다.The present invention relates to unit area water supply and safety management. Specifically, it is based on remote deep learning technology that enables efficient integrated operation of unit area water supply management and safety management using remote deep learning technology using the on demand transmission method. It relates to a unit area water supply integrated management system and method.
지구온난화와 각종 오염 물질에 의해 상수도 관리시설물은 365일 상시 사태에 대응할 수 있도록 시설물의 안전상태가 유지되어야 한다.Due to global warming and various pollutants, the safety of water supply management facilities must be maintained so that they can respond to emergencies 365 days a year.
정기점검 또는 수질 오염 및 적정 수압 유지가 되지 않을 경우에 비상점검을 실시하는데 극히 외형적인 점검을 실시하게 되고 이때 문제점을 발견한다 하더라도 A/S를 받아 대응하는 데는 시간적인 한계가 있다.Emergency inspections are conducted during regular inspections or when water pollution or appropriate water pressure is not maintained. Extremely superficial inspections are performed, and even if a problem is discovered at this time, there is a time limit for receiving and responding to after-sales service.
상수도 관리 시설물의 증가로 기존 관리자가 직접 현장에서 제염소설비, 관세척설비, 드레인 설비들을 관리하고, 펌프 및 모터 등을 수동 제어하는 방식에서 원격관리를 위해 자동화 시스템을 현장에 적용하고 있다.As the number of water supply management facilities increases, existing managers directly manage decontamination plant facilities, pipe cleaning facilities, and drain facilities on site, and instead of manually controlling pumps and motors, an automated system is being applied to the field for remote management.
하지만, 대다수의 원격관리 시스템들이 자체 고장진단 기능은 적용되어 있지만 연계된 시설물인 모터 및 계측 센서들의 동작 상태를 파악하여 고장 유무를 판단하기 위한 기술은 도입되지 않아 계측 센서의 고장발생에도 불구하고 적절한 대처를 즉각적으로 수행하지 못하여 오동작 및 계측값 오류로 문제 발생시 신속하게 대응할 수 없어 재해에 상시 노출되어 있는 실정이다.However, although the majority of remote management systems have their own fault diagnosis function, the technology to determine the presence or absence of a failure by identifying the operating status of the motor and measurement sensors, which are connected facilities, has not been introduced. Therefore, despite the occurrence of a failure of the measurement sensor, appropriate Due to the inability to immediately respond, the company is constantly exposed to disasters as it cannot respond quickly when problems occur due to malfunctions and measurement value errors.
따라서, 상수도 관리를 위한 계측 센서의 동작 상태를 실시간으로 모니터링하고, 고장 상황에 대비하고 이를 관리자에게 신속히 전파할 수 있는 사물인터넷 기반의 상수도 관리 시스템의 구축이 매우 필요해지고 있다.Therefore, there is a great need to build an IoT-based water supply management system that can monitor the operating status of measurement sensors for water supply management in real time, prepare for failure situations, and quickly disseminate this to managers.
즉, 지능형 운영체계(OS)를 탑재한 지능형 원격단말장치(RTU)가 사물과 연결되어 자율적으로 데이터 수집, 비교, 분석, 판단, 자율 제어하고 그 결과를 관리자나 관련기관에 신속하게 전달하는 방식으로 전환이 요구되고 있다.In other words, an intelligent remote terminal unit (RTU) equipped with an intelligent operating system (OS) is connected to objects and autonomously collects, compares, analyzes, judges, and controls data, and quickly delivers the results to managers or related organizations. A change to is required.
최근 정부부처 및 지방자치단체는 관내 산재된 상수도 시설물들을 통합 관리하기 위해 통합관제실을 구축하여 운영하고 있다.Recently, government ministries and local governments have established and operated integrated control rooms to manage water supply facilities scattered throughout their jurisdictions.
상수도 시설물을 하나의 통합관제실에 운영하기 위해서는 분야별 담당자가 상주하여 24시간 365일 모니터링을 하고 문제를 발견하여 조치해야 한다.In order to operate water supply facilities in one integrated control room, a person in charge of each field must be stationed to monitor 24 hours a day, 365 days a year, discover problems, and take action.
현재 운영중인 통합관리실의 HMI 프로그램은 각종 데이터를 수신하여 운영화면에 표출하고, 관리자가 계측화면을 보고, 비교, 분석, 판단, 원격제어하는 형태로 운영중이다.The HMI program of the integrated management office currently in operation receives various data and displays them on the operation screen, and the manager views the measurement screen, compares, analyzes, judges, and remotely controls it.
따라서, 통합관제실 내에 분야별로 많은 운영요원을 배치되어 24시간 주야로 시설물을 모니터링하고 있다.Therefore, many operating personnel are deployed in each field within the integrated control room to monitor facilities 24 hours a day, day and night.
지방자치단체의 경우, 해당부서 담당자는 여러 업무를 수행하게 되는데 통합관제실에 상주하여 모니터링을 수행하는 경우 다른 업무를 볼 수 없는 애로사항이 발생한다.In the case of local governments, the person in charge of the relevant department performs various tasks, but if they are stationed in the integrated control room and perform monitoring, difficulties arise as they cannot attend to other tasks.
또한, 데이터베이스에 저장된 데이터를 찾는데 수분에서 수십분까지 걸리며, 통신두절로 인한 잦은 데이터 결손이 발생하고 있다.In addition, it takes minutes to tens of minutes to find data stored in the database, and frequent data loss occurs due to communication interruptions.
또한, 사물인터넷을 통해 해당 사물의 데이터가 수집, 전송되는데, 이를 수행하는 주체는 원격단말장치(RTU)로, 해당 사물에 연결된 원격단말장치(RTU)가 데이터를 전송하지 못하거나, 오류 데이터를 전송한다면 적절한 판단 및 조치가 이루어질 수 없어 각종 민원 및 초동대응에 문제가 있다.In addition, the data of the object is collected and transmitted through the Internet of Things, and the entity that performs this is the remote terminal unit (RTU). If the remote terminal unit (RTU) connected to the object fails to transmit data or generates error data, If it is transmitted, appropriate judgment and action cannot be taken, causing problems with various civil complaints and initial response.
한편, 보안 및 안전을 위한 CCTV는 영상 데이터를 취득하여 관제 시스템으로 전송하여, 관제실에서는 지역 내에 위치한 CCTV들을 관제 화면에 디스플레이하여 이상 상황 이벤트를 검출하고 있다.Meanwhile, CCTV for security and safety acquires video data and transmits it to the control system, and the control room displays CCTVs located in the area on the control screen to detect abnormal situation events.
하지만, 관제요원이 장시간 다수의 CCTV를 검색하여야 하는 상황에서, 장시간이 지나게 되면 피로나 주의력 저하로 인해, 이벤트의 대부분을 검출하지 못하는 상황이 발생한다.However, in situations where control personnel must search multiple CCTVs for a long period of time, a situation occurs in which most of the events cannot be detected due to fatigue or reduced attention after a long period of time.
또한, 다양한 위험상황에 대한 분석 및 분류가 되지 않아 지역에 따른 위험 발생 종류에 대한 통계가 존재하지 않으므로, 지역 특성에 따른 대응이 불가능하다는 문제가 있다.In addition, since various risk situations are not analyzed and classified, there are no statistics on the type of risk occurrence depending on the region, so there is a problem that response according to regional characteristics is impossible.
이와 같이 단위 지역의 상수도 관리와 안전 관리 체계가 별도로 운영되어 비효율적인 문제를 해결하기 위하여 이들 관리 체계를 통합하기 위한 시도가 이루어지고 있으나, 다음과 같은 문제가 있어 아직 구체화되지 못하고 있다.As such, local water supply management and safety management systems are operated separately, and attempts are being made to integrate these management systems to solve inefficiencies. However, they have not yet been materialized due to the following problems.
먼저, 단위 지역의 상수도 관리와 안전 관리 체계를 통합적으로 운용하기 위해서는 원격지에서의 실시간 정보 관리시에 유효 데이터의 전송을 위한 통신 환경이 필요하며, 인간이 판단할 수 있는 최소의 정보가 실린 데이터 전송 방법이 필요한데 이에 관한 구체적인 기술 개발이 이루어지지 않고 있다.First, in order to operate the water supply management and safety management system in a unit area in an integrated manner, a communication environment is needed to transmit valid data when managing real-time information in a remote location, and transmit data containing the minimum information that can be judged by humans. A method is needed, but no specific technological development has been undertaken.
또한, 센서 데이터의 미전송, 오류 등으로부터 정확한 원격지 상황을 판단 제어하기 위한 유효 영상 데이터의 동시 수집에 관한 기술이 미흡하여 단위 지역의 상수도 관리와 안전 관리 체계의 통합 관리를 위한 체계 구축이 어렵다.In addition, due to the lack of technology for simultaneous collection of valid image data to determine and control accurate remote situations from non-transmission or errors of sensor data, it is difficult to establish a system for integrated management of water supply management and safety management system in each unit area.
따라서, 유효 영상 데이터의 동시 수집 및 최소 유효 데이터 전송을 가능하게 하여 단위 지역의 상수도 관리와 안전 관리 체계를 통합적으로 운용할 수 있도록 하는 새로운 기술의 개발이 요구되고 있다.Therefore, there is a need for the development of new technologies that enable simultaneous collection of valid image data and transmission of minimum effective data to enable integrated operation of water supply management and safety management systems in each unit area.
본 발명은 종래 기술의 단위 지역 상수도 및 안전 관리 기술의 문제점을 해결하기 위한 것으로, On Demand 전송 방법을 활용한 원격지 딥러닝 기술을 이용하여 단위 지역 상수도 관리 및 안전 관리를 효율적으로 통합 운용할 수 있도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention is intended to solve the problems of the unit area water supply and safety management technology of the prior art, and enables efficient integrated operation of unit area water supply management and safety management using remote deep learning technology using the on demand transmission method. The purpose is to provide an integrated unit area water supply management system and method based on remote deep learning technology.
본 발명은 On Demand 전송 방법으로 이미 구축된 통신 환경에서 인간이 판단할 수 있는 최소의 정보가 실린 유효 데이터 전송이 가능하도록 하여 원격지에서의 실시간 정보 관리가 효율적으로 이루어지도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention is an on-demand transmission method based on remote deep learning technology that enables effective data transmission containing the minimum information that can be judged by humans in an already established communication environment, thereby enabling efficient real-time information management in remote locations. The purpose is to provide an integrated regional water supply management system and method.
본 발명은 센서 데이터의 미전송, 오류 등의 환경에서도 정확한 원격지 상황을 판단 제어하기 위한 유효 영상 데이터의 동시 수집이 가능하도록 하고, 딥러닝 기술에 의한 이벤트 검지 및 자동 알림으로 단위 지역의 상수도 관리와 안전 관리 체계를 효과적으로 통합 운용할 수 있도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention enables simultaneous collection of valid image data to determine and control accurate remote situations even in environments where sensor data is not transmitted or errors are present, and manages water supply in each area through event detection and automatic notification using deep learning technology. The purpose is to provide an integrated unit area water supply management system and method based on remote deep learning technology that enables effective integrated operation of the safety management system.
본 발명은 딥러닝 기술에 의한 이벤트 검지 및 자동 알림, 데이터 소형화, 센서데이터 참조모델화, 요구형 전송 기술을 이용하여 전송 데이터를 적게 소비하면서 원격지의 실시간 관제가 가능하도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention is a remote deep learning technology-based unit that enables real-time control of remote locations while consuming less transmission data using event detection and automatic notification using deep learning technology, data miniaturization, sensor data reference modeling, and on-demand transmission technology. The purpose is to provide an integrated management system and method for local water supply.
본 발명은 마을상수도(관정 포함) 수질관제 및 안전관리를 위한 통합 시스템을 구축하여 마을상수도(관정 포함) 주변 화재(산불), 산업폐기물 등 불법 투기, 불법출입 등 산림환경 실시간 모니터링이 가능하도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention establishes an integrated system for water quality control and safety management of village water supply (including tube wells), enabling real-time monitoring of forest environment such as fire (forest fire), illegal dumping of industrial waste, etc., and illegal entry around village water supply (including tube wells). The purpose is to provide an integrated regional water supply management system and method based on remote deep learning technology.
본 발명은 마을상수도(관정 포함) 수질관제 및 안전관리를 위한 통합 시스템을 구축하여 단위지역의 유해짐승 퇴치 및 개체 관리가 가능하고, AIOT 및 Vision 분석을 통한 산사태 위험 지역의 산사태 예측 및 경보가 가능하도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention establishes an integrated system for water quality control and safety management of village water supply (including tube wells), enabling extermination of harmful animals and individual management in a unit area, and prediction and warning of landslides in landslide risk areas through AIOT and vision analysis. The purpose is to provide an integrated unit area water supply management system and method based on remote deep learning technology.
본 발명은 마을상수도를 이용하는 소규모 마을 단위의 수질 및 안전 관리가 가능하도록 하여 미상의 차량통행/출입자 관리, 도난 및 유기 관리, 화재감지, 독거노인 유고 판단, 119/112등 비상 긴급신고 등의 안전 관리가 효율적으로 이루어지도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention enables water quality and safety management at the small village level using village water supply, and provides safety management such as management of unknown vehicle traffic/entrants, management of theft and abandonment, fire detection, determination of whether an elderly person living alone is dead, and emergency reporting to 119/112, etc. The purpose is to provide an integrated unit area water supply management system and method based on remote deep learning technology to ensure efficient management.
본 발명은 상수원, 취수지 등 보호 구역과 시설물 안전 관리 및 수질관리를 하면서 수집되는 빅데이터를 활용할 수 있도록 하여 안전 관리 및 수질관리의 효율성을 높일 수 있도록 한 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법을 제공하는데 그 목적이 있다.The present invention integrates unit area water supply based on remote deep learning technology to increase the efficiency of safety management and water quality management by utilizing big data collected during safety management and water quality management of protected areas and facilities such as water sources and water catchments. The purpose is to provide management systems and methods.
본 발명의 다른 목적들은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.Other objects of the present invention are not limited to the objects mentioned above, and other objects not mentioned will be clearly understood by those skilled in the art from the description below.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템은 상수도 및 안전 분야 통합 관리를 위한 단위 지역에 복수 개 설치되어 영상을 획득하는 영상 획득 장치 및 상수도 및 안전 시설에 설치되어 실시간 변화를 측정하는 복수 개의 센서 모듈들;상기 영상 획득 장치 및 센서 모듈들로부터 영상 데이터 및 센싱 데이터를 수집하여 데이터 분석을 위한 전처리를 하여 분석을 통한 이벤트 검출을 하고 이벤트 정보를 통합 관제 센터 서버로 전송하는 원격지 딥러닝 통합 관제 서버;상기 원격지 딥러닝 통합 관제 서버로부터 이벤트 정보를 수신하여 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면, 저해상 원본 데이터를 전송 요청하여 원격지 딥러닝 통합 관제 서버로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하여 분석하여 이벤트 대응 처리를 하는 통합 관제 센터 서버;를 포함하는 것을 특징으로 한다.In order to achieve the above object, the unit area water supply integrated management system based on remote deep learning technology according to the present invention is equipped with a plurality of units in the unit area for integrated management of water supply and safety fields, and includes an image acquisition device that acquires images, water supply and A plurality of sensor modules installed in a safety facility to measure real-time changes; Collect image data and sensing data from the image acquisition device and sensor modules and preprocess the data for data analysis to detect events through analysis and provide event information Remote deep learning integrated control server transmitting to the integrated control center server; If the event information received and analyzed from the remote deep learning integrated control server is judged to be an event requiring detailed analysis, low-resolution original data is requested to be transmitted to the remote deep learning integrated control server. An integrated control center server that receives low-resolution original data from the running integrated control server, restores and plays the original video, analyzes it, and processes event response.
여기서, 원격지 딥러닝 통합 관제 서버는, 이벤트 검출을 위한 딥러닝 모델을 포함하고, 영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 것을 특징으로 한다.Here, the remote deep learning integrated control server includes a deep learning model for event detection and updates the deep learning model in real time by learning the event detection process according to the collection and analysis of image data and sensing data. .
그리고 통합 관제 센터 서버는, 영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 것을 특징으로 한다.In addition, the integrated control center server extracts the analysis results and sensor transmission signals in the process of collecting and analyzing video data and sensing data, stores them, and statistics them, and can link the statistical data with public data to use it as a policy. It is characterized by big data.
그리고 통합 관제 센터 서버에서 이벤트 정보를 수신하여 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면 원격지 딥러닝 통합 관제 서버로 저해상 원본 데이터를 전송 요청하고, 원격지 딥러닝 통합 관제 서버는 전체 프레임 중 일부 프레임을 네트워크 서비스회선에서 데이터 전송이 가능한 크기로 변환하여 전송 데이터량이 축소된 저해상 원본 데이터를 통합 관제 센터 서버로 전송하는 온 디맨드(On Demand) 방식으로 데이터를 송수신하는 것을 특징으로 한다.And if the event information received and analyzed by the integrated control center server is determined to be an event requiring detailed analysis, low-resolution original data is requested to be sent to the remote deep learning integrated control server, and the remote deep learning integrated control server sends a portion of the entire frame. It is characterized by transmitting and receiving data in an on-demand manner by converting the frame into a size that allows data transmission on the network service line and transmitting low-resolution original data with a reduced amount of transmission data to the integrated control center server.
그리고 원격지 딥러닝 통합 관제 서버는, 영상 획득 장치 및 센서 모듈들로부터 영상 데이터 및 센싱 데이터를 수집하는 데이터 수집부와, 데이터 분석을 위한 전처리를 하는 데이터 전처리부와, 전체 프레임을 차영상대조하여 객체 및 패턴, 색상을 인식하여 딥러닝 기반의 이벤트 검출을 하는 이벤트 검출부와, 이벤트 검출부에서 검출된 이벤트 정보를 썸네일 이미지화하여 통합 관제 센터 서버로 전송하는 이벤트 정보 전송부와, 통합 관제 센터 서버로부터 저해상 원본 데이터의 전송 요청 신호를 수신하면 전체 프레임 중 일부 프레임을 네트워크 서비스회선에서 데이터 전송이 가능한 크기로 변환하여 전송 데이터량이 축소된 저해상 원본 데이터를 통합 관제 센터 서버로 전송하는 저해상 원본 데이터 및 센서 데이터 전송부를 포함하는 것을 특징으로 한다.And the remote deep learning integrated control server includes a data collection unit that collects image data and sensing data from image acquisition devices and sensor modules, a data preprocessing unit that performs preprocessing for data analysis, and a difference image comparison of the entire frame to create an object. and an event detection unit that recognizes patterns and colors and detects events based on deep learning, an event information transmission unit that converts the event information detected by the event detection unit into a thumbnail image and transmits it to the integrated control center server, and low-resolution data from the integrated control center server. When a transmission request signal for original data is received, some frames out of all frames are converted to a size that allows data transmission on the network service line, and low-resolution original data with a reduced transmission data amount is transmitted to the integrated control center server. It is characterized by including a data transmission unit.
그리고 원격지 딥러닝 통합 관제 서버는, 영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 딥러닝 모델 업데이트부를 더 포함하는 것을 특징으로 한다.In addition, the remote deep learning integrated control server further includes a deep learning model update unit that updates the deep learning model in real time by learning an event detection process according to the collection and analysis of image data and sensing data.
그리고 이벤트 검출부는, 상수도 수질 관제에 관련한 이벤트를 검출하는 수질 관제 이벤트 검출부와, 산사태 위험 지역의 산사태 예측 및 경보, 산업폐기물 불법 투기, 불법출입을 포함하는 산림환경 실시간 모니터링에 따른 이벤트를 검출하는 산림 환경 이벤트 검출부와, 단위지역의 유해조수 퇴치 및 개체 관리를 위한 이벤트를 검출하는 유해조수 이벤트 검출부와, 단위 지역의 화재 발생을 감지하는 화재 발생 이벤트 검출부와, 미상의 차량통행, 출입자 관리, 도난 및 유기 관리를 위한 이벤트를 검출하는 객체 이동 이벤트 검출부와, 단위 지역내의 시설물의 붕괴,화재,침입 발생을 포함하는 안전 이벤트를 검출하는 시설물 안전 이벤트 검출부를 포함하는 것을 특징으로 한다.And the event detection unit is a water quality control event detection unit that detects events related to water quality control, and a forestry event detection unit that detects events according to real-time monitoring of the forest environment, including landslide prediction and warning in landslide risk areas, illegal dumping of industrial waste, and illegal entry. An environmental event detection unit, a harmful tide event detection unit that detects events for extermination and entity management of harmful birds in a unit area, a fire occurrence event detection unit that detects fire occurrence in a unit area, and an unknown vehicle traffic, visitor management, theft and It is characterized by comprising an object movement event detection unit that detects events for abandoned management, and a facility safety event detection unit that detects safety events including collapse, fire, and intrusion of facilities within a unit area.
그리고 이벤트 검출부는, 물사용량 기준으로 독거 노인의 이상 유무 이벤트를 검출하는 독거 노인 이벤트 검출부를 더 포함하고, 독거 노인 이벤트 검출부는 중점 관리자로 사전에 등록된 독거노인의 월,일,시간대별 단위 시간당 물 사용량 정보를 이용하여 이상 유무 이벤트를 검출하는 것을 특징으로 한다.In addition, the event detection unit further includes a senior living alone event detection unit that detects abnormalities of the senior living alone based on water usage, and the senior citizen living alone event detection unit is a key manager, and the senior citizen living alone event detection unit per unit time by month, day, and time zone of the senior citizen living alone is registered in advance as a key manager. It is characterized by detecting abnormal events using water usage information.
그리고 통합 관제 센터 서버는, 원격지 딥러닝 통합 관제 서버로부터 이벤트 정보를 수신하는 이벤트 이미지 수신부와, 수신된 이벤트 이미지를 분석하는 이벤트 이미지 분석부와, 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면 원격지 딥러닝 통합 관제 서버로 저해상 원본 데이터를 전송 요청하는 저해상 원본 데이터 전송 요청부와, 원격지 딥러닝 통합 관제 서버로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하는 원본 영상 복원 및 재생부와, 원본 영상 복원 및 재생부에서 복원 및 재생되는 영상 및 센서 데이터를 분석하는 원본 영상 및 센서 데이터 분석부와, 원본 영상 및 센서 데이터 분석부의 분석 결과에 따라 관련 대응 요청 신호를 출력하여 이벤트 대응 처리를 하는 이벤트 대응 처리부와, 영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 데이터 통계화 저장부를 포함하는 것을 특징으로 한다.And the integrated control center server includes an event image receiver that receives event information from a remote deep learning integrated control server, an event image analysis unit that analyzes the received event image, and a remote remote control center server if the analysis result is determined to be an event requiring detailed analysis. A low-resolution original data transmission request unit that requests transmission of low-resolution original data to the deep learning integrated control server, and an original image restoration and playback unit that receives low-resolution original data from a remote deep learning integrated control server and restores and plays the original image. , an original image and sensor data analysis unit that analyzes the image and sensor data restored and reproduced in the original image restoration and playback unit, and an event response process by outputting a related response request signal according to the analysis results of the original image and sensor data analysis unit. An event response processing unit that collects and analyzes video data and sensing data, extracts analysis results and sensor transmission signals, stores them, and statistics them, and the statistical data can be linked to public data and utilized as a policy. It is characterized by including a data statistical storage unit that converts the data into big data.
다른 목적을 달성하기 위한 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법은 원격지 딥러닝 통합 관제 서버에서 단위 지역 영상 및 센서 데이터 획득하는 단계;원격지 딥러닝 통합 관제 서버에서 영상 데이터를 전처리하고 이벤트 검출을 하는 단계;이벤트 검출 결과를 썸네일 이미지화하여 이벤트 정보를 통합 관제 센터 서버로 전송하는 단계;통합 관제 센터 서버에서 수신된 이벤트 이미지를 판단하여 원격지 딥러닝 통합 관제 서버에 원본 영상 전송 요청을 하는 단계;원격지 딥러닝 통합 관제 서버에서 전체 프레임 중 일부 프레임을 이미지로 변환하여 저해상도 원본 영상을 통합 관제 센터 서버로 전송하는 단계;통합 관제 센터 서버에서 저해상도 수신 영상을 원본 영상으로 복원 및 재생하고, 원본 영상 및 센서 데이터 분석하여 이벤트 대응 처리를 하는 단계;를 포함하는 것을 특징으로 한다.The unit area water supply integrated management method based on remote deep learning technology according to the present invention for achieving another purpose includes acquiring unit area image and sensor data from a remote deep learning integrated control server; video data from a remote deep learning integrated control server; Preprocessing and event detection; Converting the event detection result into a thumbnail image and transmitting the event information to the integrated control center server; Determining the event image received from the integrated control center server and requesting transmission of the original video to the remote deep learning integrated control server Step of converting some of the entire frames into images in the remote deep learning integrated control server and transmitting the low-resolution original video to the integrated control center server; Restoring and playing the low-resolution received video as the original image in the integrated control center server , analyzing the original image and sensor data and processing event response.
여기서, 원격지 딥러닝 통합 관제 서버는 이벤트 검출을 위한 딥러닝 모델을 포함하고, 영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 것을 특징으로 한다.Here, the remote deep learning integrated control server includes a deep learning model for event detection and updates the deep learning model in real time by learning the event detection process according to the collection and analysis of image data and sensing data.
그리고 통합 관제 센터 서버는 영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 것을 특징으로 한다.In addition, the integrated control center server extracts analysis results and sensor transmission signals in the process of collecting and analyzing video data and sensing data, stores them, and statistics them, and links the statistical data with public data to enable policy utilization. It is characterized by big data.
이상에서 설명한 바와 같은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법은 다음과 같은 효과가 있다.As described above, the unit area water supply integrated management system and method based on remote deep learning technology according to the present invention has the following effects.
첫째, On Demand 전송 방법을 활용한 원격지 딥러닝 기술을 이용하여 단위 지역 상수도 관리 및 안전 관리를 효율적으로 통합 운용할 수 있도록 한다.First, remote deep learning technology using the on-demand transmission method is used to efficiently integrate and operate local water supply management and safety management.
둘째, On Demand 전송 방법으로 이미 구축된 통신 환경에서 인간이 판단할 수 있는 최소의 정보가 실린 유효 데이터 전송이 가능하도록 하여 원격지에서의 실시간 정보 관리가 효율적으로 이루어지도록 한다.Second, the On Demand transmission method enables effective data transmission containing the minimum information that can be judged by humans in an already established communication environment, thereby ensuring efficient real-time information management in remote locations.
셋째, 센서 데이터의 미전송, 오류 등의 환경에서도 정확한 원격지 상황을 판단 제어하기 위한 유효 영상 데이터의 동시 수집이 가능하도록 하고, 딥러닝 기술에 의한 이벤트 검지 및 자동 알림으로 단위 지역의 상수도 관리와 안전 관리 체계를 효과적으로 통합 운용할 수 있도록 한다.Third, it enables simultaneous collection of valid video data to determine and control accurate remote situations even in environments where sensor data is not transmitted or errors occur, and event detection and automatic notification using deep learning technology ensures water supply management and safety in each area. Enable effective integrated operation of the management system.
넷째, 딥러닝 기술에 의한 이벤트 검지 및 자동 알림, 데이터 소형화, 센서데이터 참조모델화, 요구형 전송 기술을 이용하여 전송 데이터를 적게 소비하면서 원격지의 실시간 관제가 가능하도록 한다.Fourth, event detection and automatic notification using deep learning technology, data miniaturization, sensor data reference modeling, and on-demand transmission technology enable real-time control of remote locations while consuming less transmission data.
다섯째, 마을상수도(관정 포함) 수질관제 및 안전관리를 위한 통합 시스템을 구축하여 마을상수도(관정 포함) 주변 화재(산불), 산업폐기물 등 불법 투기, 불법출입 등 산림환경 실시간 모니터링이 가능하도록 한다.Fifth, establish an integrated system for water quality control and safety management of village water supply (including tube wells) to enable real-time monitoring of the forest environment, such as fires (forest fires), illegal dumping of industrial waste, and illegal entry around village water supply (including tube wells).
여섯째, 마을상수도(관정 포함) 수질관제 및 안전관리를 위한 통합 시스템을 구축하여 단위지역의 유해짐승 퇴치 및 개체 관리가 가능하고, AIOT 및 Vision 분석을 통한 산사태 위험 지역의 산사태 예측 및 경보가 가능하도록 한다.Sixth, by establishing an integrated system for water quality control and safety management of village water supply (including tube wells), it is possible to exterminate and manage harmful animals in each area, and to predict and warn about landslides in landslide risk areas through AIOT and vision analysis. do.
일곱째, 마을상수도를 이용하는 소규모 마을 단위의 수질 및 안전 관리가 가능하도록 하여 미상의 차량통행/출입자 관리, 도난 및 유기 관리, 화재감지, 독거노인 유고 판단, 119/112등 비상 긴급신고 등의 안전 관리가 효율적으로 이루어지도록 한다.Seventh, by enabling water quality and safety management at the small village level using village water supply, safety management such as management of unknown vehicle traffic/entry, management of theft and abandonment, fire detection, determination of whether an elderly person living alone is dead, and emergency reporting to 119/112, etc. Ensure that it is done efficiently.
여덟째, 상수원, 취수지 등 보호 구역과 시설물 안전 관리 및 수질관리를 하면서 수집되는 빅데이터를 활용할 수 있도록 하여 안전 관리 및 수질관리의 효율성을 높일 수 있도록 한다.Eighth, the efficiency of safety management and water quality management can be increased by utilizing big data collected while managing the safety and water quality of protected areas and facilities such as water sources and water intakes.
도 1은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 기본 개념을 나타낸 구성도
도 2a내지 도 2d는 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리를 위한 감시 분야의 예를 나타낸 구성도
도 3은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템의 전체 구성도
도 4는 원격지 딥러닝 통합 관제 서버의 상세 구성도
도 5는 이벤트 검출부의 상세 구성도
도 6은 통합 관제 센터 서버의 상세 구성도
도 7은 본 발명에 따른 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하여 구축한 빅데이터 활용 시스템의 일 예를 나타낸 구성도
도 8은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법의 일 예를 나타낸 구성도
도 9는 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법을 나타낸 플로우 차트Figure 1 is a configuration diagram showing the basic concept of integrated management of unit area water supply based on remote deep learning technology according to the present invention.
Figures 2a to 2d are configuration diagrams showing examples of the monitoring field for integrated management of unit area water supply based on remote deep learning technology according to the present invention.
Figure 3 is an overall configuration diagram of a unit area water supply integrated management system based on remote deep learning technology according to the present invention.
Figure 4 is a detailed configuration diagram of the remote deep learning integrated control server
5 is a detailed configuration diagram of the event detection unit.
Figure 6 is a detailed configuration diagram of the integrated control center server
Figure 7 is a configuration diagram showing an example of a big data utilization system constructed by extracting, storing, and statisticalizing analysis results and sensor transmission signals according to the present invention.
Figure 8 is a configuration diagram showing an example of a unit area water supply integrated management method based on remote deep learning technology according to the present invention.
Figure 9 is a flow chart showing a method for integrated management of unit area water supply based on remote deep learning technology according to the present invention.
이하, 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.Hereinafter, a preferred embodiment of the unit area water supply integrated management system and method based on remote deep learning technology according to the present invention will be described in detail as follows.
본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.The characteristics and advantages of the integrated unit area water supply management system and method based on remote deep learning technology according to the present invention will become apparent through the detailed description of each embodiment below.
도 1은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 기본 개념을 나타낸 구성도이다.Figure 1 is a configuration diagram showing the basic concept of integrated management of unit area water supply based on remote deep learning technology according to the present invention.
그리고 도 2a내지 도 2d는 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리를 위한 감시 분야의 예를 나타낸 구성도이다.And Figures 2a to 2d are configuration diagrams showing examples of the monitoring field for integrated management of unit area water supply based on remote deep learning technology according to the present invention.
본 개시에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.The terms used in this disclosure are general terms that are currently widely used as much as possible while considering the functions in this disclosure, but this may vary depending on the intention or precedent of a person working in the art, the emergence of new technology, etc. In addition, in certain cases, there are terms arbitrarily selected by the applicant, and in this case, the meaning will be described in detail in the description of the relevant invention. Therefore, the terms used in this disclosure should be defined based on the meaning of the term and the overall content of this disclosure, rather than simply the name of the term.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.When it is said that a part "includes" a certain element throughout the specification, this means that, unless specifically stated to the contrary, it does not exclude other elements but may further include other elements. In addition, terms such as "... unit" and "module" used in the specification refer to a unit that processes at least one function or operation, which may be implemented as hardware or software, or as a combination of hardware and software. .
본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법은 On Demand 전송 방법을 활용한 원격지 딥러닝 기술을 이용하여 단위 지역 상수도 관리 및 안전 관리를 효율적으로 통합 운용할 수 있도록 한 것이다.The integrated unit area water supply management system and method based on remote deep learning technology according to the present invention enables efficient integrated operation of unit area water supply management and safety management using remote deep learning technology using the on demand transmission method. .
이를 위하여 본 발명은 도 1에서와 같이, 현장의 이벤트 검지 추적 및 결과 획득, 이벤트 알림 전송 및 판단, 학습 및 저장 관리의 구성을 포함한다.To this end, as shown in FIG. 1, the present invention includes the following components: on-site event detection tracking and result acquisition, event notification transmission and judgment, learning, and storage management.
특히, 본 발명은 On Demand 전송 방법으로 이미 구축된 통신 환경에서 인간이 판단할 수 있는 최소의 정보가 실린 유효 데이터 전송이 가능하도록 하는 구성을 포함할 수 있다.In particular, the present invention may include a configuration that enables effective data transmission with minimal information that can be judged by humans in an already established communication environment using an on-demand transmission method.
본 발명은 센서 데이터의 미전송, 오류 등의 환경에서도 정확한 원격지 상황을 판단 제어하기 위한 유효 영상 데이터의 동시 수집이 가능하도록 하고, 딥러닝 기술에 의한 이벤트 검지 및 자동 알림으로 단위 지역의 상수도 관리와 안전 관리 체계를 효과적으로 통합 운용할 수 있도록 하는 구성을 포함할 수 있다.The present invention enables simultaneous collection of valid image data to determine and control accurate remote situations even in environments where sensor data is not transmitted or errors are present, and manages water supply in each area through event detection and automatic notification using deep learning technology. It may include a configuration that allows effective integrated operation of the safety management system.
본 발명은 딥러닝 기술을 기반으로 하는 이벤트 검지 및 자동 알림, 데이터 소형화, 센서데이터 참조모델화, 요구형 전송 기술을 이용하여 전송 데이터를 적게 소비하면서 원격지의 실시간 관제가 가능하도록 하는 구성을 포함할 수 있다.The present invention may include a configuration that enables real-time control of remote locations while consuming less transmission data using event detection and automatic notification based on deep learning technology, data miniaturization, sensor data reference modeling, and on-demand transmission technology. there is.
또한, 본 발명은 마을상수도(관정 포함) 수질관제 및 안전관리를 위한 통합 시스템을 구축하여 도 2a내지 도 2d에서와 같이, 마을상수도(관정 포함) 주변 화재(산불), 산업폐기물 등 불법 투기, 불법출입 등 산림환경 실시간 모니터링, 단위지역의 유해짐승 퇴치 및 개체 관리가 가능하고, AIOT 및 Vision 분석을 통한 산사태 위험 지역의 산사태 예측 및 경보가 가능하도록 하는 구성을 포함할 수 있고, 본 발명이 적용되는 수질관제 및 안전관리 분야가 이로 한정되는 것은 아니다.In addition, the present invention builds an integrated system for water quality control and safety management of village water supply (including tube wells), as shown in Figures 2a to 2d, fire (wildfire) around village water supply (including tube wells), illegal dumping of industrial waste, etc. Real-time monitoring of the forest environment such as illegal entry, extermination of harmful animals in a unit area, and individual management are possible, and it may include a configuration that enables landslide prediction and warning in landslide risk areas through AIOT and vision analysis, and the present invention is applied. The areas of water quality control and safety management are not limited to this.
또한, 본 발명은 마을상수도를 이용하는 소규모 마을 단위의 수질 및 안전 관리가 가능하도록 하여 미상의 차량통행/출입자 관리, 도난 및 유기 관리, 화재감지, 독거노인 유고 판단, 119/112등 비상 긴급신고 등의 안전 관리가 효율적으로 이루어지도록 하는 구성을 포함할 수 있다.In addition, the present invention enables water quality and safety management at the small village level using village water supply, such as management of unknown vehicle traffic/entry, management of theft and abandonment, fire detection, determination of whether an elderly person living alone is dead, emergency reporting to 119/112, etc. It may include a configuration that ensures efficient safety management.
이하의 설명에서 '원격지 딥러닝 통합 관제 서버'는 지역 단위로 설치되어 딥러닝 및 사물인터넷 기반으로 상수도 관리 시설 자율 점검 및 운영 관리를 수행하는 원격단말장치(RTU)에 해당 지역의 CCTV 등의 영상 획득 장치 및 지역 전체의 시설물들에 설치되는 각종 센서들이 연결되는 구조로 구축될 수 있고, 이로 제한되지 않음은 당연하다.In the explanation below, the 'remote deep learning integrated control server' is installed at the regional level and is installed on a remote terminal unit (RTU) that performs autonomous inspection and operation management of water supply management facilities based on deep learning and the Internet of Things. It goes without saying that the structure can be constructed in such a way that various sensors installed in the acquisition device and facilities throughout the region are connected, but the structure is not limited to this.
그리고 원격단말장치(RTU)는 단위 지역의 상수도 관리시설마다 설치되고, 사전 저장된 사용처별 물사용 정보를 이용해 상수도 관리시설을 제어하여 사용처별 상수도 공급 자율 조치를 하고, 상수도 공급수단의 누수 상태를 자율 점검하고, 점검 결과에 따른 누수 이벤트 정보를 생성하여 통합 관제 센터 서버로 전송하고, 점검 대상체들의 동작상태를 자율 점검하고, 점검 결과에 따른 점검 대상체별 고장 정보를 생성하여 통합 관제 센터 서버로 전송하는 형태일 수 있고, 수행하는 기능 및 형태가 이로 한정되지 않는다.In addition, a remote terminal unit (RTU) is installed at each water supply management facility in a unit area, and controls the water supply management facility using pre-stored water usage information for each user, takes autonomous measures to supply water to each user, and autonomously monitors the water leakage status of the water supply means. inspects, generates water leak event information according to the inspection results and transmits it to the integrated control center server, autonomously inspects the operating status of the inspection objects, generates failure information for each inspection object according to the inspection results, and transmits it to the integrated control center server. It may be in a form, and the function and form it performs are not limited to this.
본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템에 관하여 구체적으로 설명하면 다음과 같다.A detailed description of the unit area water supply integrated management system based on remote deep learning technology according to the present invention is as follows.
도 3은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템의 전체 구성도이다.Figure 3 is an overall configuration diagram of a unit area water supply integrated management system based on remote deep learning technology according to the present invention.
본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템은 도 3에서와 같이, 상수도 및 안전 분야 통합 관리를 위한 단위 지역에 복수 개 설치되어 영상을 획득하는 영상 획득 장치(100) 및 상수도 및 안전 시설에 설치되어 실시간 변화를 측정하는 복수 개의 센서 모듈(200)들과, 영상 획득 장치(100) 및 센서 모듈(200)들로부터 영상 데이터 및 센싱 데이터를 수집하여 데이터 분석을 위한 전처리를 하여 분석을 통한 이벤트 검출을 하고 이벤트 정보를 통합 관제 센터 서버(400)로 전송하는 원격지 딥러닝 통합 관제 서버(300)와, 원격지 딥러닝 통합 관제 서버(300)로부터 이벤트 정보를 수신하여 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면 저해상 원본 데이터를 전송 요청하고, 원격지 딥러닝 통합 관제 서버(300)로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하여 분석하여 이벤트 대응 처리를 하는 통합 관제 센터 서버(400)를 포함한다.As shown in FIG. 3, the unit area water supply integrated management system based on remote deep learning technology according to the present invention includes a plurality of
여기서, 센서 모듈(200)은 수질 관제를 위한 압력 센서, 잔류염소 측정센서, 전기전도도 센서, 수온 센서, 사용처별 사용량 측정 센서 등을 포함하고, 딘위 지역 전체에 분산 설치되어 있는 기온 측정 센서, 풍향 센서, 객체 이동 검출 센서, 화재 감지 센서, 가스누출 감지 센서 등을 포함할 수 있고 이로 한정되지 않는다.Here, the
그리고 원격지 딥러닝 통합 관제 서버(300)는 이벤트 검출을 위한 딥러닝 모델을 포함하고, 영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트한다.And the remote deep learning integrated
그리고 통합 관제 센터 서버(400)는 영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화한다.In addition, the integrated
그리고 통합 관제 센터 서버(400)에서 이벤트 정보를 수신하여 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면 원격지 딥러닝 통합 관제 서버(300)로 저해상 원본 데이터를 전송 요청하고, 원격지 딥러닝 통합 관제 서버(300)는 전체 프레임 중 일부 프레임을 네트워크 서비스회선에서 데이터 전송이 가능한 크기로 변환하여 전송 데이터량이 축소된 저해상 원본 데이터를 통합 관제 센터 서버(400)로 전송하는 온 디맨드(On Demand) 방식으로 데이터를 송수신한다.Then, if the event information is received and analyzed by the integrated control center server (400) and the result is determined to be an event requiring detailed analysis, low-resolution original data is requested to be transmitted to the remote deep learning integrated control server (300), and remote deep learning integrated control is performed. The
이와 같은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템은 이미 제공중인 최소의 네트워크 서비스 환경에서 유효 정보의 전송과 수집이 가능하도록 원격지 딥러닝 분석에 의한 검지 정보를 최소 크기로 데이터화하여 전송 및 원본 복구 과정을 거쳐 이벤트 대응 처리가 효율적으로 이루어지도록 한 것이다.The unit area water supply integrated management system based on remote deep learning technology according to the present invention converts the detection information by remote deep learning analysis into data of the minimum size to enable transmission and collection of valid information in the minimum network service environment already provided. This ensures that event response processing is carried out efficiently through the transmission and original recovery process.
이를 위하여 상시 네트워크의 점유로 인한 전송 데이터량 초과 등을 방지할 수 있는 요구 또는 반응형 결과 전송 방법을 사용한다.For this purpose, a request or reactive result transmission method is used to prevent excessive transmission data due to constant network occupancy.
구체적으로, 원격지 딥러닝 통합 관제 서버(300)에서 영상 데이터를 전처리하고 전체 프레임을 비교(차영상대조)하여 객체 및 패턴, 색상을 인식하여 딥러닝 측면에서 이벤트 검지를 한다.Specifically, the remote deep learning integrated
그리고 원격지 딥러닝 통합 관제 서버(300)에서 검지한 결과를 사람이 판단 가능한 썸네일 이미지화하여 이벤트 알림 발송을 한다.Then, the results detected by the remote deep learning integrated
이때, 썸네일 이미지를 최소화(일 예로, Size : 30x40mm)하여 데이터 전송량이 극히 미미하게 전송을 하는 것이 바람직하다.At this time, it is desirable to minimize the thumbnail image (for example, Size: 30x40mm) and transmit only a very small amount of data.
그리고 통합 관제 센터 서버(400)에서 수신된 이벤트 이미지를 판단하여 원격지 딥러닝 통합 관제 서버(300)에 원본 영상 전송 요구하며, 이때 전송되는 영상의 데이터량 축소를 위해 전체 프레임 중 일부 프레임을 네트워크 서비스 회선에서 데이터 전송이 가능한 크기의(일 예로, 초당 62KB, 640x386, 30fps기준) 이미지로 변환하여 전송한다.Then, the event image received from the integrated
저 해상도로 수신된 원본 영상의 이미지 프레임은 통합 관제 센터 서버(400)에서 원본 영상의 이미지로 재생되어, 관리자가 원본 영상과 동일하게 판단을 할 수 있고, 최종적으로 센터의 운영자가 분석결과와 센서 수신신호를 판단하여 적절한 조치를 수행한다.The image frame of the original video received at low resolution is played back as an image of the original video in the integrated
원격지 딥러닝 통합 관제 서버(300)의 상세 구성은 다음과 같다.The detailed configuration of the remote deep learning integrated
도 4는 원격지 딥러닝 통합 관제 서버의 상세 구성도이다.Figure 4 is a detailed configuration diagram of a remote deep learning integrated control server.
원격지 딥러닝 통합 관제 서버(300)는 도 4에서와 같이, 영상 획득 장치(100) 및 센서 모듈(200)들로부터 영상 데이터 및 센싱 데이터를 수집하는 데이터 수집부(41)와, 데이터 분석을 위한 전처리를 하는 데이터 전처리부(42)와, 전체 프레임을 차영상대조하여 객체 및 패턴, 색상을 인식하여 딥러닝 기반의 이벤트 검출을 하는 이벤트 검출부(43)와, 영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 딥러닝 모델 업데이트부(44)와, 이벤트 검출부(43)에서 검출된 이벤트 정보를 썸네일 이미지화하여 통합 관제 센터 서버(400)로 전송하는 이벤트 정보 전송부(45)와, 통합 관제 센터 서버(400)로부터 저해상 원본 데이터의 전송 요청 신호를 수신하면 전체 프레임 중 일부 프레임을 네트워크 서비스회선에서 데이터 전송이 가능한 크기로 변환하여 전송 데이터량이 축소된 저해상 원본 데이터를 통합 관제 센터 서버(400)로 전송하는 저해상 원본 데이터 및 센서 데이터 전송부(46)를 포함한다.As shown in FIG. 4, the remote deep learning integrated
여기서, 이벤트 검출부(43)의 상세 구성은 다음과 같다.Here, the detailed configuration of the
도 5는 이벤트 검출부의 상세 구성도이다.Figure 5 is a detailed configuration diagram of the event detection unit.
이벤트 검출부(43)는 도 5에서와 같이, 상수도 수질 관제에 관련한 이벤트를 검출하는 수질 관제 이벤트 검출부(51)와, 산사태 위험 지역의 산사태 예측 및 경보, 산업폐기물 불법 투기, 불법출입을 포함하는 산림환경 실시간 모니터링에 따른 이벤트를 검출하는 산림 환경 이벤트 검출부(52)와, 단위지역의 유해조수 퇴치 및 개체 관리를 위한 이벤트를 검출하는 유해조수 이벤트 검출부(53)와, 단위 지역의 화재 발생을 감지하는 화재 발생 이벤트 검출부(54)와, 미상의 차량통행, 출입자 관리, 도난 및 유기 관리를 위한 이벤트를 검출하는 객체 이동 이벤트 검출부(55)와, 물사용량 기준으로 독거 노인의 이상 유무 이벤트를 검출하는 독거 노인 이벤트 검출부(56)와, 단위 지역내의 시설물의 붕괴,화재,침입 발생을 포함하는 안전 이벤트를 검출하는 시설물 안전 이벤트 검출부(57)를 포함한다.As shown in FIG. 5, the
여기서, 독거 노인 이벤트 검출부(56)는 중점 관리자로 사전에 등록된 독거노인의 월,일,시간대별 단위 시간당 물 사용량 정보를 이용하여 이상 유무 이벤트를 검출하는 것이 바람직하다.Here, it is preferable that the senior citizen living alone
그리고 통합 관제 센터 서버(400)의 상세 구성은 다음과 같다.The detailed configuration of the integrated
도 6은 통합 관제 센터 서버의 상세 구성도이다.Figure 6 is a detailed configuration diagram of the integrated control center server.
통합 관제 센터 서버(400)는 도 6에서와 같이, 원격지 딥러닝 통합 관제 서버(300)로부터 이벤트 정보를 수신하는 이벤트 이미지 수신부(61)와, 수신된 이벤트 이미지를 분석하는 이벤트 이미지 분석부(62)와, 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면 원격지 딥러닝 통합 관제 서버(300)로 저해상 원본 데이터를 전송 요청하는 저해상 원본 데이터 전송 요청부(63)와, 원격지 딥러닝 통합 관제 서버(300)로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하는 원본 영상 복원 및 재생부(64)와, 원본 영상 복원 및 재생부(64)에서 복원 및 재생되는 영상 및 센서 데이터를 분석하는 원본 영상 및 센서 데이터 분석부(65)와, 원본 영상 및 센서 데이터 분석부(65)의 분석 결과에 따라 관련 대응 요청 신호를 출력하여 이벤트 대응 처리를 하는 이벤트 대응 처리부(66)와, 영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 데이터 통계화 저장부(67)를 포함한다.As shown in FIG. 6, the integrated
도 7은 본 발명에 따른 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하여 구축한 빅데이터 활용 시스템의 일 예를 나타낸 구성도이다.Figure 7 is a configuration diagram showing an example of a big data utilization system constructed by extracting, storing, and statisticalizing analysis results and sensor transmission signals according to the present invention.
본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법을 구체적으로 설명하면 다음과 같다.The detailed description of the unit area water supply integrated management method based on remote deep learning technology according to the present invention is as follows.
도 8은 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법의 일 예를 나타낸 구성도이고, 도 9는 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법을 나타낸 플로우 차트이다.Figure 8 is a configuration diagram showing an example of a unit area water supply integrated management method based on remote deep learning technology according to the present invention, and Figure 9 is a flow showing a unit area water supply integrated management method based on remote deep learning technology according to the present invention. It's a chart.
본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법은 도 9에서와 같이 먼저, 원격지 딥러닝 통합 관제 서버에서 단위 지역 영상 및 센서 데이터 획득을 한다.(S901)As shown in FIG. 9, the unit area water supply integrated management method based on remote deep learning technology according to the present invention first acquires unit area image and sensor data from the remote deep learning integrated control server (S901).
이어, 원격지 딥러닝 통합 관제 서버에서 영상 데이터를 전처리하고 전체 프레임을 비교하여 객체 및 패턴, 색상을 인식 및 학습하여 이벤트 검출을 한다.(S902)Next, the remote deep learning integrated control server preprocesses the video data and compares the entire frame to recognize and learn objects, patterns, and colors to detect events (S902).
그리고 이벤트 검출 결과를 사람이 판단 가능한 썸네일 이미지화하여 이벤트 정보를 통합 관제 센터 서버로 전송한다.(S903)Then, the event detection results are converted into a thumbnail image that can be judged by humans, and the event information is transmitted to the integrated control center server (S903).
이어, 수신된 이벤트 이미지를 판단하여 원격지 딥러닝 통합 관제 서버에 원본 영상 전송 요청을 한다.(S904)Next, the received event image is judged and a request is made to transmit the original image to the remote deep learning integrated control server (S904).
그리고 원격지 딥러닝 통합 관제 서버에서 전체 프레임 중 일부 프레임을 이미지로 변환하여 통합 관제 센터 서버로 전송한다.(S905)Then, the remote deep learning integrated control server converts some of the entire frames into images and transmits them to the integrated control center server (S905).
이어, 저해상도 수신 영상을 원본 영상으로 복원 및 재생하고, 원본 영상 및 센서 데이터 분석하여 이벤트 대응 처리를 한다.(S906)Next, the low-resolution received video is restored and played back as the original video, and the original video and sensor data are analyzed for event response processing (S906).
그리고 이벤트 데이터를 통계화 하여 저장하고 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅 데이터화한다.(S907)Then, event data is stored in statistics and linked with public data to become big data so that it can be used as policy (S907).
이상에서 설명한 본 발명에 따른 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템 및 방법은 On Demand 전송 방법으로 이미 구축된 통신 환경에서 인간이 판단할 수 있는 최소의 정보가 실린 유효 데이터 전송이 가능하도록 하여 원격지에서의 실시간 정보 관리가 효율적으로 이루어지도록 한 것이다.The unit area water supply integrated management system and method based on remote deep learning technology according to the present invention described above is an on-demand transmission method that enables effective data transmission containing the minimum information that can be judged by humans in an already established communication environment. This allows real-time information management in remote locations to be carried out efficiently.
본 발명은 센서 데이터의 미전송, 오류 등의 환경에서도 정확한 원격지 상황을 판단 제어하기 위한 유효 영상 데이터의 동시 수집이 가능하도록 하고, 딥러닝 기술에 의한 이벤트 검지 및 자동 알림으로 단위 지역의 상수도 관리와 안전 관리 체계를 효과적으로 통합 운용할 수 있도록 한 것이다.The present invention enables simultaneous collection of valid image data to determine and control accurate remote situations even in environments where sensor data is not transmitted or errors are present, and manages water supply in each area through event detection and automatic notification using deep learning technology. This is to enable effective integrated operation of the safety management system.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.As described above, it will be understood that the present invention is implemented in a modified form without departing from the essential characteristics of the present invention.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.Therefore, the specified embodiments should be considered from an illustrative rather than a limiting point of view, the scope of the present invention is indicated in the claims rather than the foregoing description, and all differences within the equivalent scope are intended to be included in the present invention. It will have to be interpreted.
100. 영상 획득 장치
200. 센서 모듈
300. 원격지 딥러닝 통합 관제 서버
400. 통합 관제 센터 서버100. Image acquisition device
200. Sensor module
300. Remote deep learning integrated control server
400. Integrated control center server
Claims (12)
상기 영상 획득 장치 및 센서 모듈들로부터 영상 데이터 및 센싱 데이터를 수집하여 데이터 분석을 위한 전처리를 하여 분석을 통한 이벤트 검출을 하고 이벤트 정보를 통합 관제 센터 서버로 전송하는 원격지 딥러닝 통합 관제 서버;
상기 원격지 딥러닝 통합 관제 서버로부터 이벤트 정보를 수신하여 분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면, 저해상 원본 데이터를 전송 요청하여 원격지 딥러닝 통합 관제 서버로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하여 분석하여 이벤트 대응 처리를 하는 통합 관제 센터 서버;를 포함하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.A plurality of image acquisition devices installed in a unit area to acquire images for integrated management of water supply and safety fields and a plurality of sensor modules installed in water supply and safety facilities to measure real-time changes;
A remote deep learning integrated control server that collects image data and sensing data from the image acquisition device and sensor modules, performs preprocessing for data analysis, detects events through analysis, and transmits event information to the integrated control center server;
If the event information received and analyzed from the remote deep learning integrated control server is determined to be an event requiring detailed analysis, low-resolution original data is requested to be transmitted, and low-resolution original data is received from the remote deep learning integrated control server to produce the original image. An integrated control center server that restores, regenerates, analyzes, and processes event response; a remote deep learning technology-based integrated management system for unit area water supply.
이벤트 검출을 위한 딥러닝 모델을 포함하고, 영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 1, wherein the remote deep learning integrated control server,
Unit area water supply integration based on remote deep learning technology, which includes a deep learning model for event detection and updates the deep learning model in real time by learning the event detection process according to the collection and analysis of image data and sensing data. Management system.
영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 1, wherein the integrated control center server,
In the process of collecting and analyzing video data and sensing data, the analysis results and sensor transmission signals are extracted, stored and statisticalized, and the statistical data is linked with public data and converted into big data so that it can be used as policy. An integrated regional water supply management system based on remote deep learning technology.
원격지 딥러닝 통합 관제 서버는 전체 프레임 중 일부 프레임을 네트워크 서비스회선에서 데이터 전송이 가능한 크기로 변환하여 전송 데이터량이 축소된 저해상 원본 데이터를 통합 관제 센터 서버로 전송하는 온 디맨드(On Demand) 방식으로 데이터를 송수신하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.According to claim 1, if the event information received and analyzed by the integrated control center server is determined to be an event requiring detailed analysis, low-resolution original data is requested to be transmitted to the remote deep learning integrated control server;
The remote deep learning integrated control server converts some of the frames out of all frames into a size that can be transmitted over the network service line and transmits low-resolution original data with a reduced transmission data amount to the integrated control center server in an on-demand manner. A unit area water supply integrated management system based on remote deep learning technology, characterized by sending and receiving data.
영상 획득 장치 및 센서 모듈들로부터 영상 데이터 및 센싱 데이터를 수집하는 데이터 수집부와,
데이터 분석을 위한 전처리를 하는 데이터 전처리부와,
전체 프레임을 차영상대조하여 객체 및 패턴, 색상을 인식하여 딥러닝 기반의 이벤트 검출을 하는 이벤트 검출부와,
이벤트 검출부에서 검출된 이벤트 정보를 썸네일 이미지화하여 통합 관제 센터 서버로 전송하는 이벤트 정보 전송부와,
통합 관제 센터 서버로부터 저해상 원본 데이터의 전송 요청 신호를 수신하면 전체 프레임 중 일부 프레임을 네트워크 서비스회선에서 데이터 전송이 가능한 크기로 변환하여 전송 데이터량이 축소된 저해상 원본 데이터를 통합 관제 센터 서버로 전송하는 저해상 원본 데이터 및 센서 데이터 전송부를 포함하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 1, wherein the remote deep learning integrated control server,
a data collection unit that collects image data and sensing data from image acquisition devices and sensor modules;
A data preprocessing unit that performs preprocessing for data analysis,
An event detection unit that detects events based on deep learning by recognizing objects, patterns, and colors by comparing the entire frame with difference images,
An event information transmission unit that converts the event information detected in the event detection unit into a thumbnail image and transmits it to the integrated control center server;
When a transmission request signal for low-resolution original data is received from the integrated control center server, some frames among all frames are converted to a size that can be transmitted over the network service line, and the low-resolution original data with a reduced transmission data amount is transmitted to the integrated control center server. A unit area water supply integrated management system based on remote deep learning technology, comprising a low-resolution original data and a sensor data transmission unit.
영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 딥러닝 모델 업데이트부를 더 포함하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 5, wherein the remote deep learning integrated control server,
A unit area water supply integrated management system based on remote deep learning technology, further comprising a deep learning model update unit that updates the deep learning model in real time by learning the event detection process according to the collection and analysis of image data and sensing data.
상수도 수질 관제에 관련한 이벤트를 검출하는 수질 관제 이벤트 검출부와,
산사태 위험 지역의 산사태 예측 및 경보, 산업폐기물 불법 투기, 불법출입을 포함하는 산림환경 실시간 모니터링에 따른 이벤트를 검출하는 산림 환경 이벤트 검출부와,
단위지역의 유해조수 퇴치 및 개체 관리를 위한 이벤트를 검출하는 유해조수 이벤트 검출부와,
단위 지역의 화재 발생을 감지하는 화재 발생 이벤트 검출부와,
미상의 차량통행, 출입자 관리, 도난 및 유기 관리를 위한 이벤트를 검출하는 객체 이동 이벤트 검출부와,
단위 지역내의 시설물의 붕괴,화재,침입 발생을 포함하는 안전 이벤트를 검출하는 시설물 안전 이벤트 검출부를 포함하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 5, wherein the event detection unit,
A water quality control event detection unit that detects events related to water quality control,
a forest environment event detection unit that detects events according to real-time monitoring of the forest environment, including landslide prediction and warning in landslide risk areas, illegal dumping of industrial waste, and illegal entry;
A harmful tide event detection unit that detects events for extermination and management of harmful birds in a unit area;
A fire event detection unit that detects the occurrence of a fire in a unit area,
An object movement event detection unit that detects events for unknown vehicle traffic, visitor management, theft, and abandonment management;
A unit area water supply integrated management system based on remote deep learning technology, characterized by including a facility safety event detection unit that detects safety events including collapse, fire, and intrusion of facilities within the unit area.
물사용량 기준으로 독거 노인의 이상 유무 이벤트를 검출하는 독거 노인 이벤트 검출부를 더 포함하고,
독거 노인 이벤트 검출부는 중점 관리자로 사전에 등록된 독거노인의 월,일,시간대별 단위 시간당 물 사용량 정보를 이용하여 이상 유무 이벤트를 검출하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 7, wherein the event detection unit,
It further includes an event detection unit for elderly people living alone, which detects abnormalities in elderly people living alone based on water usage,
The event detection unit for elderly people living alone is a key manager, and is an integrated management of unit area water supply based on remote deep learning technology, which is characterized by detecting abnormal events using water usage information per unit time by month, day, and time period of pre-registered elderly people living alone. system.
원격지 딥러닝 통합 관제 서버로부터 이벤트 정보를 수신하는 이벤트 이미지 수신부와,
수신된 이벤트 이미지를 분석하는 이벤트 이미지 분석부와,
분석한 결과가 정밀 분석이 필요한 이벤트로 판단되면 원격지 딥러닝 통합 관제 서버로 저해상 원본 데이터를 전송 요청하는 저해상 원본 데이터 전송 요청부와,
원격지 딥러닝 통합 관제 서버로부터 저해상 원본 데이터를 수신하여 원본 영상 복원 및 재생을 하는 원본 영상 복원 및 재생부와,
원본 영상 복원 및 재생부에서 복원 및 재생되는 영상 및 센서 데이터를 분석하는 원본 영상 및 센서 데이터 분석부와,
원본 영상 및 센서 데이터 분석부의 분석 결과에 따라 관련 대응 요청 신호를 출력하여 이벤트 대응 처리를 하는 이벤트 대응 처리부와,
영상 데이터 및 센싱 데이터를 수집하여 분석하는 과정에서의 분석 결과와 센서 송출 신호를 추출하여 저장 및 통계화하고, 통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 데이터 통계화 저장부를 포함하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.The method of claim 1, wherein the integrated control center server,
An event image receiver that receives event information from a remote deep learning integrated control server,
An event image analysis unit that analyzes the received event image,
If the analysis result is determined to be an event requiring detailed analysis, a low-resolution original data transmission request unit that requests low-resolution original data to be transmitted to a remote deep learning integrated control server;
An original image restoration and playback unit that receives low-resolution original data from a remote deep learning integrated control server and restores and plays the original image;
an original image and sensor data analysis unit that analyzes the image and sensor data restored and reproduced in the original image restoration and playback unit;
An event response processing unit that processes event response by outputting a relevant response request signal according to the analysis results of the original image and sensor data analysis unit;
Data statistics that extracts, stores, and statistics the analysis results and sensor transmission signals in the process of collecting and analyzing video data and sensing data, and converts the statistical data into big data so that it can be used as policy by linking it with public data. A unit area water supply integrated management system based on remote deep learning technology, characterized by including a storage unit.
원격지 딥러닝 통합 관제 서버에서 영상 데이터를 전처리하고 이벤트 검출을 하는 단계;
이벤트 검출 결과를 썸네일 이미지화하여 이벤트 정보를 통합 관제 센터 서버로 전송하는 단계;
통합 관제 센터 서버에서 수신된 이벤트 이미지를 판단하여 원격지 딥러닝 통합 관제 서버에 원본 영상 전송 요청을 하는 단계;
원격지 딥러닝 통합 관제 서버에서 전체 프레임 중 일부 프레임을 이미지로 변환하여 저해상도 원본 영상을 통합 관제 센터 서버로 전송하는 단계;
통합 관제 센터 서버에서 저해상도 수신 영상을 원본 영상으로 복원 및 재생하고, 원본 영상 및 센서 데이터 분석하여 이벤트 대응 처리를 하는 단계;를 포함하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 시스템.Obtaining unit area image and sensor data from a remote deep learning integrated control server;
Preprocessing video data and detecting events in a remote deep learning integrated control server;
converting the event detection result into a thumbnail image and transmitting the event information to the integrated control center server;
Determining the event image received from the integrated control center server and requesting transmission of the original image to the remote deep learning integrated control server;
Converting some of the entire frames into images at a remote deep learning integrated control server and transmitting the low-resolution original video to the integrated control center server;
An integrated management system for unit area water supply based on remote deep learning technology, comprising: restoring and reproducing low-resolution received images as original images at the integrated control center server, analyzing the original images and sensor data, and processing event response; .
영상 데이터 및 센싱 데이터의 수집 및 분석에 따른 이벤트 검출 과정을 학습하여 실시간으로 딥러닝 모델을 업데이트하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법.The method of claim 10, wherein the remote deep learning integrated control server includes a deep learning model for event detection,
A unit area water supply integrated management method based on remote deep learning technology, characterized by updating the deep learning model in real time by learning the event detection process according to the collection and analysis of image data and sensing data.
통계화된 데이터를 공공 데이터와 연계하여 정책으로 활용이 가능하도록 빅데이터화하는 것을 특징으로 하는 원격 딥러닝 기술 기반의 단위지역 상수도 통합 관리 방법.
The method of claim 10, wherein the integrated control center server extracts analysis results and sensor transmission signals from the process of collecting and analyzing video data and sensing data, stores them, and compiles them into statistics,
An integrated management method for unit area water supply based on remote deep learning technology, characterized by linking statistical data with public data and converting it into big data so that it can be used as policy.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220163262A KR20240079878A (en) | 2022-11-29 | 2022-11-29 | System and Method for Integrated Managing Region Water Supply based Remote Deep Learning Technology |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220163262A KR20240079878A (en) | 2022-11-29 | 2022-11-29 | System and Method for Integrated Managing Region Water Supply based Remote Deep Learning Technology |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240079878A true KR20240079878A (en) | 2024-06-05 |
Family
ID=91470652
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220163262A KR20240079878A (en) | 2022-11-29 | 2022-11-29 | System and Method for Integrated Managing Region Water Supply based Remote Deep Learning Technology |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240079878A (en) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102128708B1 (en) | 2020-03-27 | 2020-07-02 | 주식회사 이엘 | IoT-based River disaster monitoring and facility autonomous inspection system using intelligent remote terminal device |
| KR20210043960A (en) | 2019-10-14 | 2021-04-22 | 한국전자기술연구원 | Behavior Recognition Based Safety Monitoring System and Method using Artificial Intelligence Technology and IoT |
| KR102346377B1 (en) | 2020-11-27 | 2022-01-03 | 주식회사 이엘 | A self-audit and management system for water supply management facility based on IoT using intelligent remote terminal device |
-
2022
- 2022-11-29 KR KR1020220163262A patent/KR20240079878A/en unknown
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20210043960A (en) | 2019-10-14 | 2021-04-22 | 한국전자기술연구원 | Behavior Recognition Based Safety Monitoring System and Method using Artificial Intelligence Technology and IoT |
| KR102128708B1 (en) | 2020-03-27 | 2020-07-02 | 주식회사 이엘 | IoT-based River disaster monitoring and facility autonomous inspection system using intelligent remote terminal device |
| KR102346377B1 (en) | 2020-11-27 | 2022-01-03 | 주식회사 이엘 | A self-audit and management system for water supply management facility based on IoT using intelligent remote terminal device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11626008B2 (en) | System and method providing early prediction and forecasting of false alarms by applying statistical inference models | |
| CN112333241B (en) | Intelligent security system based on big data service | |
| CN1993718B (en) | Internet facilitated fire alarm monitoring, control system | |
| US20090122143A1 (en) | Security system and network | |
| CN112288984A (en) | Three-dimensional visual unattended substation intelligent linkage system based on video fusion | |
| US20220167142A1 (en) | Digital twin disaster management system customized for underground public areas | |
| CN213518557U (en) | Urban fire control thing networking monitoring management system | |
| KR20210051376A (en) | Bigdata based building fire prevention response system and method | |
| KR20210097500A (en) | Apparatus for Monitoring Fire And System having the same | |
| KR20140036398A (en) | Cctv integrated management system | |
| CN117319609A (en) | Internet of things big data intelligent video monitoring system and method | |
| CN112288320A (en) | Subway operation risk monitoring and management system | |
| CN210222962U (en) | Intelligent electronic fence system | |
| KR102299704B1 (en) | System for smart deep learning video surveillance by linking disaster environment metadata | |
| CN116976832A (en) | Intelligent fire-fighting centralized unified supervision platform based on AI, big data and Internet of things | |
| CN118194142A (en) | Post-earthquake repair engineering analysis method and system for intelligent pipe network | |
| KR102613058B1 (en) | AI deep learning-based risk detection system including heterogeneous big data compatible gateway | |
| CN117081917A (en) | Intelligent gateway based on AI (advanced technology attachment) internet of things sewage treatment operation and maintenance management | |
| KR20240079878A (en) | System and Method for Integrated Managing Region Water Supply based Remote Deep Learning Technology | |
| CN205179109U (en) | Shield tunnel construction numeral management platform that becomes more meticulous based on thing networking | |
| KR100970503B1 (en) | Control method for facility by using a/v record device | |
| CN116402190A (en) | Railway line landslide geological disaster identification method and system | |
| CN208537961U (en) | Wisdom fire-fighting monitoring management system based on technology of Internet of things | |
| KR200327096Y1 (en) | A remote watching system for preventing a fire of a building | |
| CN115841730A (en) | Video monitoring system and abnormal event detection method |