Python 기반 컴퓨터 비전과 최적화 알고리즘을 활용한 실시간 산불감지·자원배치 및 시각화 시스템 개발
Artificial Intelligence-Based Wildfire Response Solution (AIWRS)
- 2025.05.12 ~ 2025.06.09
- 05.12 : 주제발표
- 05.26 : 중간발표
- 06.09 : 최종발표
- 문기준 : 자원 분배 최적화 모델 - 최적화 모델 개발
- 고성윤 : 자원 분배 최적화 모델 - 지적정보 활용 개발
- 정준혁 : 객체인식 모델 학습 및 튜닝
- 손영준 : GUI 어플리케이션 개발
- 이현주 : 모델 성능 검증 및 테스팅
- Version : Python 3.10
- IDE : Visual Studio Code, Colab (for ML)
- OpenCV
- YOLO
- Keras
- SciPy
- PyQt5
- Streamlit
전체 시스템 구성
- 데이터 수집·전처리
- AI 추론 엔진
- 결과 분석·후처리
- 데스크톱 애플리케이션 (PyQt5)
- 데이터 수집·전처리 계층
- Frame Grabber (OpenCV)
- 카메라·동영상 스트림 캡처
- 프레임 단위로 추출 및 타임스탬프 부여
- Preprocessing (SciPy + OpenCV)
- 노이즈 제거 (Gaussian, Median filter)
- 색상 변환(Grayscale, HSV)
- 해상도 조정·정규화
- AI 추론 엔진
- YOLO 모델
- Keras(TensorFlow 백엔드)로 구현한 YOLOv5/v7
- 사전 학습된 가중치 로딩 및 사용자 데이터로 파인튜닝
- Inference Service
- 전처리된 프레임을 배치 단위로 모델에 전달
- 객체 감지 결과(Bounding box, Confidence) 반환
- 결과 분석·후처리 계층
- Postprocessing (SciPy)
- 비최대 억제(NMS)
- Confidence 임곗값 필터링
- 객체 추적(추가 필요 시 칼만 필터 등 적용)
- 메트릭·로그 수집
- 추론 지연시간, 프레임 처리율 등 퍼포먼스 지표 수집
- 감지된 객체 통계 집계 (시간·위치별 카운트)
- 수학적 최적화 모델
- 수식 번역
- 데스크톱 애플리케이션 (PyQt5)
- UI 레이아웃
- 실시간 영상 뷰어
- 감지 박스·레이블 오버레이
- 퍼포먼스 차트(Graph) 및 로그 뷰
- 컨트롤 패널
- 모델 파라미터(임곗값, NMS) 실시간 조정
- 스트림 소스 변경, 녹화 시작·정지 버튼
- 모듈 인터페이스
- 내부 스레드로 인퍼런스 엔진 호출
- 결과를 Qt Signal/Slot 으로 화면 갱신
- 산불 감지
- 산불 예측
- 자원 분석
- 자원 분배
- 어플리케이션 시각화
- requirements.txt 설치
pip install -r requirements.txt- WSQ000301.csv 포함
datasets/WSQ000301.csv
*공공데이터이므로 공공데이터 포털에서 다운 받는다. 공공산림데이터.
-
run.py의 BOOL_DEBUG를 False로 수정한다.
만약 경로 문제가 발생하는 경우 BOOL_DEBUG를 True로 변경하십시오. -
실행
python run.py