머신러닝 기반 화재감지용 센서 적합성 연구

Abstract

본 연구에서는 화재감지기에 사용될 수 있는 다양한 센서 조합이 화재감지 성능에 미치는 영향에 분석하고자 한다. 화재/비화재 분류기 생성을 위해 화재와 일상 환경을 모사한 실제 테스트베드에서 다양한 센서를 통해 데이터를 수집하였으며 이를 이용하여 로지스틱 분류(Logistic regression) 및 K-최근접 이웃(K-Nearest neighbor), 나이브 베이즈(Naive bayes), 서포트 벡터 머신(Support vector machine), 랜덤 포레스트(Random forest) 모델을 학습하였다. 성능평가를 통해 CO, 연기, 온도 센서 및 이들의 조합이 화재감지에 우수함을 확인하였다. 또한, 주어진 데이터 세트에서 K-최근접 이웃과 랜덤 포레스트 알고리즘이 다른 머신러닝 알고리즘에 비해 높은 정확도를 보였다.