화재 시뮬레이션 이미지를 활용한 AI 기반 화재감지모델 구축 및 유효성 검증 연구 = Construction and Validation of an AI-Based Fire Detection Model Using Fire Simulation Images

국문 초록 (Abstract)

본 연구에서는 대규모 건축물의 신속한 초기 화재 대응을 위해 화재 시뮬레이션(FDS) 이미지와 최신 객체 감지 알고리즘인 YOLOv11을 결합한 AI 기반 화재감지모델을 개발하고 그 유효성을 검증하였다. 실제 화재 실험의 물리 적 제약을 극복하기 위해 지상 5층 규모 건축물의 층별 화재 시나리오를 수치 해석하였으며, 이를 통해 화염과 연기 의 동적 거동이 반영된 4,315세트의 고순도 학습 데이터셋을 구축하였다. 확보된 데이터셋을 기반으로 YOLOv11 모 델의 최적화 학습을 수행한 결과, 내부 성능 평가에서 mAP@50 95.0%의 높은 신뢰도를 달성하였다. 특히 학습에 사 용되지 않은 공간(EOC) 데이터를 활용한 검증 시험에서도 94.8%의 탐지율을 기록하여 우수한 공간적 일반화 성능을 검증하였다. 나아가 35건의 실사 화재 이미지 교차 검증을 통해 80.2%의 식별력을 확인하였으며, 비정형 연기 감지 등 도출된 한계점은 향후 실제 산업 현장 데이터 확보를 통한 모델 고도화의 근거로 활용될 예정이다. 본 연구는 고정밀 시뮬레이션과 AI의 실시간성을 결합하여 실무적인 재난 대응 시스템 구축의 공학적 토대를 마련하였다는 데 의의가 있다.

다국어 초록 (Multilingual Abstract)

This study developed and validated an artificial intelligence (AI)-based fire detection model integrating Fire Dynamics Simulator imagery with the YOLOv11 algorithm to enhance the rapid response in large-scale complex buildings. To overcome the physical limitations of real-world experiments, numerical simulations were conducted for a five-story building to establish a high-purity dataset of 4,315 sets that reflected the dynamic behavior of flames and smoke. Based on this dataset, optimized training was performed on the YOLOv11 model, achieving a high reliability of 95.0% mAP@50 in internal evaluations. Notably, the model validated robust spatial generalization by recording a detection rate of 94.8% in tests using emergency operation center data not included in the training phase. Furthermore, cross-domain validation using 35 real-world fire images identified fires with an average accuracy of 80.2% while revealing limitations regarding atypical smoke and environmental noise. This study establishes an engineering foundation for practical disaster response systems by combining high-precision simulation reliability with the real-time capabilities of AI. The identified limitations serve as a basis for further model refinement through the acquisition of diverse industrial field data.