딥러닝을 활용한 적외선 카메라 이상 탐지
Anomaly Detection in IR-Camera Using Deep Learning
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
본 논문에서는 딥러닝 기반의 적외선 카메라 이상 탐지 시스템을 제안한다. 일반적인 산업 현장에서는 시설물 관리용으로 적외선 카메라를 사용하고 있다. 하지만 적외선 카메라에 이상이 생겼을 경우 녹화가 중지되고 시설물의 상태를 알 수 없다. 따라서 이를 대비하기 위한 모니터링이 필요하다. 현재 인력만으로 카메라 모니터링을 하고 있다. 하지만 인적 오류나 대량 검수 등 한계점이 존재한다. 이러한 한계점을 해결하기 위해 딥러닝의 일종인 AlexNet, VGGNet, ResNet을 사용하여 성능을비교하고, 원본 영상을 캡처한 이미지와 전처리 과정으로 히스토그램을 추출한 이미지를 비교하여더 우수한 성능의 자동화된 모니터링 방안을 제안한다. 데이터 세트는 한국전력에서 적외선 야간투시 카메라로 녹화한 영상을 수집해 사용했으며, VGGNet 모델로 데이터 세트를 학습하고 결과를 예측한 결과가 가장 우수했다. 결과는 입력 영상을 일정 주기로 캡처된 이미지에 대해 정상/비정상을판단한 것이고, 모델의 성능은 Accuracy 0.97, Precision 0.97, Recall 0.97, F1-score 0.97이 나왔다. 또한, 히스토그램으로 전처리한 데이터 세트가 더 우수한 성능을 확인할 수 있었다.
Abstract
In this paper, we propose an infrared camera anomaly detection system based on deep learning. In general industrial sites, infrared cameras are used for facility management. However, if something goes wrong with the infrared camera, recording stops and the status of the facility is unknown. Therefore, monitoring is necessary to prepare for this. Currently, only manpower is monitoring the camera. However, there are limitations such as human error and mass inspection. To solve this limitation, we compare performance using AlexNet, VGGNet, ResNet, which are types of deep learning, and propose an automated monitoring method with better performance by comparing the captured original image and the histogram extracted image as a preprocessing process. The data set was collected and used by KEPCO's infrared night vision camera, and the results of training the data set with the VGGNet model and predicting the results were the best. The result is that the input image is judged to be normal/abnormal for the image captured at a certain period, and the model performance came out as Accuracy 0.97, Precision 0.97, Recall 0.97, F1-score 0.97. In addition, it was confirmed that the data set preprocessed with the histogram performed better.