딥 러닝 및 컴퓨터 비전 접근 방식을 이용한 선박 구역의 화재 감지 및 알림 방법

선박에서 발생하는 화재 사건은 상당한 결과를 초래하며, 이는 많은 영향으로 이어질 수 있습니다. 선박의 화재는 승무원, 화물, 환경, 재정, 명성 등 여러 분야에 광범위하고 심각한 영향을 미칠 수 있습니다. 따라서 화재를 신속하게 감지하는 것은 빠른 대응과 효과적인 완화를 위해 필수적입니다. 본 연구 논문에서는 향상된 딥 러닝 알고리즘을 통합한 YOLOv7(You Only Look Once version 7) 기반의 화재 감지 기술을 제시합니다. 개선된 E-ELAN(확장 효율적 레이어 집계 네트워크)을 백본으로 하는 YOLOv7 아키텍처는 우리의 화재 감지 시스템의 기초가 됩니다. 향상된 피처 융합 기술로 인해 이전 모델들보다 뛰어난 성능을 보여줍니다. 모델을 훈련시키기 위해 다양한 선박 시나리오의 4622 이미지를 수집하고 회전, 수평 및 수직 플립, 스케일링과 같은 데이터 증가 기법을 수행했습니다. 엄격한 평가를 통해 우리의 모델은 화재 인식 능력을 개선하여 해양 안전을 향상시키는 데 기여합니다. 제안된 전략은 재앙적인 사건을 최소화하기 위해 화재를 탐지하는 데 93%의 정확성을 성공적으로 달성합니다. 화재와 시각적으로 유사한 객체는 모델에 의해 잘못된 예측과 탐지를 초래할 수 있지만, 데이터 세트를 확장함으로써 이를 제어할 수 있습니다. 그러나 우리 모델은 도전적인 환경에서 실시간 화재 감지기로 사용될 수 있으며, 소형 객체 감지에도 적용될 수 있습니다. 딥 러닝 모델의 발전은 안전 조치를 향상시킬 잠재력을 가지고 있으며, 본 논문에서 제안된 모델이 이 잠재력을 보여줍니다. 실험 결과는 제안된 방법이 선박 보호 및 선박 항구 지역의 화재 모니터링에 성공적으로 사용될 수 있음을 입증하였습니다. 마지막으로, 우리는 최근 보고된 화재 감지 접근 방식과 우리의 방법의 성능을 광범위하게 사용되는 성능 매트릭스를 이용하여 비교하여 화재 분류 결과를 시험하였습니다.