세계가 주목하는 알체라의 FireScout

최근 미국 애리조나는 고온과 건조한 날씨로 산불 예방에 주력하고 있습니다. 2013년 산불 진압 소방관 19명이 사망했던 *야네힐 산불 참사와 같은 치명적인 사고를 예방하기 위한 노력입니다.
산불 문제는 국가적으로 중요시되며, 다양한 국가에서 선진 기술을 도입하여 대응안 마련에 최선을 다하고 있습니다. 최근 미국 NBC 뉴스의 제휴사인 애리조나의 KVOA 방송국에서 알체라의 FireScout에 대해 주목했습니다.

* 야네힐 산불: 2013년에 미국 애리조나주 야네힐에서 발생한 산불로, 소방관이 사망하는 사례 중 가장 많은 인명 피해를 낳아 미국 역사상 최악의 산불 중 하나로 기록

 

미국 NBC 뉴스 제휴 방송국 KVOA의 AX팀 Todd의 단독 인터뷰

알체라의 FireScout는 FHD 카메라와 연결하여 산불 초기 단계의 연기를 감지하는 산불 조기감지 AI 솔루션입니다. AI 딥러닝 알고리즘을 통해 연기를 감지 후 산불로 인식될 경우 대시보드 및 사용자 SNS 등으로 알람을 전송하는 솔루션으로,
1분 이내로 산불을 조기에 감지하여 초동대응을 가능하게 합니다. 영상에서도 확인할 수 있는 것과 같이 FireScout는 42마일(약 68km) 정도의 매우 먼 거리의 연기도 정확히 감지하며 산불 발생 위치 정보를 함께 전달하여 보다 빠르고 효율적으로 대응할 수 있도록 합니다. 알체라의 FireScout는 현재 캘리포니아와 네바다와 인접한 주에서 활용되고 있으며 애리조나를 포함하여 전 세계에서 산불 피해의 해결책이 될 수 있도록 노력하고 있습니다.

 

AI, 산불 감지 및 예방의 해결책 되다

AI를 활용한 산불 감지와 대응 방법은 비용 절감과 자원 효율성, 조기 예방과 초동대응이 가능하다는 장점을 가지고 있습니다. 먼저, AI를 활용한 자동화된 실시간 모니터링은 대응 인력을 대체하거나 보완하여 비용을 절감할 수 있습니다.
인력의 한계와 제한된 근무 시간에 구애받지 않고 24시간 지속적으로 감지와 대응이 가능하므로 비용 효율성이 뛰어납니다.  

그뿐만 아니라 정확한 위치 파악으로 신속한 대응을 가능하게 하여 인력, 소방차량, 소화제 등의 리소스를 효율적으로 배분할 수 있습니다. 마지막으로 가장 큰 장점으로는 초동대응이 가능하다는 것입니다.
AI를 통해 실시간으로 데이터를 분석하여 산불의 초기 징후를 감지하여 조기 예방과 신속한 대응의 가이드를 제시합니다.

 

산불 조기감지 AI의 성능을 높이는 방법

모든 AI 프로그램이 그렇듯이 산불 조기감지 AI 솔루션의 성능을 높이기 위해서는 고성능의 신경망 설계와 그에 필요한 양질의 데이터 구축이 매우 중요합니다.

 

1. CNN (Convolutional Neural Network)

산불 연기의 패턴을 정확히 인식하기 위해서는 이미지의 특징을 식별하고 분류하는데 탁월한 CNN(Convolution Neural Network) 신경망 설계는 필수적입니다.

CNN은 ‘합성곱 신경망’이라고도 불리며, 이미지에서 특징을 추출하고 분류하는 데 특화된 딥러닝 알고리즘입니다. CNN은 여러 계층으로 구성된 신경망으로, 이미지에 있는 시각적인 패턴과 특징을 학습하여 자동으로 추출할 수 있습니다. CNN의 핵심 개념은 *Convolution과 *Down sampling입니다. Convolution은 *Filter 간의 곱셈과 합산을 통해 이미지의 특징을 추출하는 과정으로, 연기와 같은 시각적인 패턴을 감지할 수 있습니다. Down sampling은 이미지의 크기를 줄여주는 과정으로, 중요한 정보를 유지하면서 연산량을 줄여줍니다. 또한 CNN은 학습 데이터를 기반으로 가중치를 조정하여 새로운 이미지에 대한 정확한 분류를 수행할 수 있습니다.

*Convolution: 이미지의 특징을 추출하기 위해 활용되는 연산으로, 데이터와 필터를 겹쳐가며 곱셈을 수행하며 특히 공간적인 패턴을 감지하고 특징을 추출
*Down sampling: 이미지나 데이터의 크기를 줄이는 작업을 의미하며, 중요한 정보는 유지하면서 데이터의 차원을 축소하는 작업에 활용
*Filter: 이미지나 신호 처리에서 사용되는 작은 크기의 벡터를 의미하며, 주로 Convolution 연산에 활용되어 특정 패턴이나 특징을 감지, 추출
*Fully Connected: 딥러닝 모델에서 데이터를 받아들여 출력을 생성하는 층으로, 분류 작업과 관련되어 활용

 

2. 합성 데이터

합성 데이터를 통해 실제로는 재현하기 어려운 다양한 고품질의 데이터를 모델 학습에 적용한다면 여러 패턴과 변형을 경험시켜 모델의 일반화 능력 향상과 예측 성능을 효과적으로 개선할 수 있습니다. 산불 감지를 위한 AI 모델 역시 다양한 날씨 조건, 각기 다른 산불의 크기와 위치, 연기의 모양과 밀도 등을 포함한 다양한 시나리오를 합성 데이터로 생성, 구축하여 성능 향상을 이룰 수 있습니다.

합성 데이터는 인공지능(AI) 모델의 성능을 향상하기 위해 가상으로 생성된 데이터로, CNN과 같은 딥러닝 알고리즘의 성능 향상에 큰 도움이 됩니다. 실제 데이터 수집의 경우 비용과 시간이 많이 소요되며 특정 상황이나 환경에 특화된 양질의 데이터 수집에는 어려움이 있습니다. 합성 데이터는 이러한 점들을 보완하며 실제 데이터에 준하는 양질의 데이터 만들 수 있습니다. 

합성 데이터를 만드는 방법으로는 데이터 변형, 데이터 합성, 생성 모델을 활용하는 방법 등이 있습니다. 데이터 변형은 상대적으로 간단한 방식으로 이미지를 회전, 크기 조정, 밝기 조절을 통해 생성하는 방식입니다.
또한 기존 데이터의 일부 요소를 결합하여 새로운 데이터로 만드는 데이터 합성 방식, 기존 데이터에 노이즈나 무작위한 요소를 추가하여 다양성을 부여하는 방식도 있습니다. 특히 *GAN과 같이 생성 모델을 활용하여 데이터를 가공, 생성하는 방식도 많이 활용되고 있습니다.

*GAN: ‘적대적 생성 신경망’이라고 불리는 딥러닝 모델로, 두 개의 신경망을 경쟁시켜 실제와 유사한 데이터를 생성 [얼굴인식 AI 성능을 높이는 데이터 구축 트렌드]

 

그 밖에 알체라 FireScout의 차별점

알체라의 FireScout는 3초 이내 빠른 감지 속도와 99% 이상의 정확성을 자랑합니다. 2021년부터 미국 캘리포니아주 소노마 카운티를 시작으로 산타클라라 카운티, 네바다 에너지사, 미국 서부 최대전략 회사 PG&E 등과 파트너십을 체결하며 미국, 호주 등에서 전 세계 산불을 예방하고 있습니다. 

알체라의 FireScout 역시 CNN 모델과 합성 데이터를 통해 지속적인 성능 개선을 이루고 있을 뿐만 아니라 다양한 측면에서 모두가 신뢰할 수 있는 AI 솔루션이 될 수 있도록 노력하고 있습니다.

FireScout는 인공지능(AI)을 강화하는 HITL(Human-in-the-loop) 시스템입니다. 
HITL은 "Human-in-the-Loop"의 약자로, 인공지능(AI) 시스템에서 인간의 개입이 필요한 개념을 나타냅니다. 인간의 지식, 판단 능력, 경험을 AI 시스템에 통합하여 성능을 향상시키는 방법 중 하나입니다.

HITL은 AI가 자체적으로 결정을 내리기 어려운 복잡한 상황에서 실수를 줄이고 신뢰성을 향상시키기 위해 사용됩니다. 인간은 AI가 만들어 내는 결과를 검토하고 평가하며, 필요한 경우 수정하거나 보정할 수 있습니다. 이러한 개입은 AI의 학습 데이터, 모델 개발 및 훈련, 결과의 평가와 보정 등 다양한 단계에서 이루어질 수 있습니다.

FireScout의 경우 CCTV를 통해 입력된 산불 이미지에서 딥러닝 알고리즘이 연기를 감지할 때, 실제 산불의 연기인지를 판단하는 부분에서 전문가(Operator)가 개입됩니다. 카메라 200대당 1명씩 배치되어 있는 전문가가 유효 연기를 판별하여 대시보드 및 사용자에게 알림을 전송합니다.  
HITL를 통해 정확하고 신뢰성 있는 결과를 도출하고 또 이 과정에서 얻어지는 결과를 재학습하며 성능 개선에도 활용하고 있습니다.

 

알체라의 FireScout는 2019년 6월 개발 당시 미국의 산불 감시 회사인 ‘ALERT WildFire’가 7년 동안 축적한 방대한 산불 영상 데이터를 제공받았으며, 그 양은 구글에서 확인 가능한 산불 관련 데이터보다 더 많은 양이었습니다. 이러한 방대한 데이터는 고성능의 산불 조기감지 AI 솔루션, FireScout 개발의 초석이 되었습니다. 이를 기반으로 2021년, 소노마 카운티에서 진행된 산불 감지 서비스 입찰에서 수많은 경쟁 업체를 제치며 성공적으로 해외시장에 진출하였습니다. 

그해 5월 2건의 중요한 초기 감지를 해냈고, 2022년 9월 대형산불 Mosquito Fire에 대해 *IRWIN보다 22분 빨리 감지하여 알림을 전송한 바 있습니다. 당시 위치 추정값의 오차 범위는 1.6마일(약 26km) 이내로 정확하고 실제 대응에 활용가능한 실용적인 정보를 제공한 사례입니다. 

FireScout는 세계적으로 산불 문제가 심각한 지역의 기관에서 활용되며 그 기술력을 이미 입증했습니다. 이에 알체라는 FireScout의 성공 경험과 노하우를 기반으로 국내에서도 활용 가능한 솔루션을 준비중에 있습니다. 최근 강원도와 동해 지역에서 큰 규모의 산불이 잇따라 발생하였고, 특히 지난달 발생한 홍성 대형 산불로 인한 이재민은 113명, 피해 복구 금액만 139억 원으로 추정됩니다. 이제는 대한민국도 환경과 재산, 우리의 삶의 터전을 위협하는 산불에 대한 확실한 예방과 대응책이 필요합니다. 국내에서도 하루빨리 우리의 환경과 이웃, 가족을 안전하게 지키는 FireScout를 빨리 만나 볼 수 있길 기대합니다.

*IRWIN(Integrated Reporting of Wildland-Fire Information): 미국 산림 관리국(USFS)에서 개발한 산불 대응 솔루션으로, 산불 및 기타 재난 상황에 대응하기 위한 종합적인 작업 대시보드를 지원

 

 

연계 콘텐츠: 

[Article] 산불 사각지대를 해결하는 산불 감지 AI 솔루션
[Article] How to Use FireScout
[Video] How Can SMART VIEWING Protect the Environment?

 

* 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 알체라에 저작권이 있습니다. 사전 동의 없이 2차 가공 및 무단 배포 등의 행위를 금하고 있습니다.