Anomaly Detection in IR-Camera Using Deep Learning
Hye-Won Kim, Sang Min Kim, Jung-Mo Sohn · Journal of the Korea Society of Computer and Information · 2025
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 성능을 비교하고, 원본 영상을 캡처한 이미지와 전처리 과정으로 히스토그램을 추출한 이미지를 비교하여 더 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/비정상을 판단한 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.