메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
조장훈 (Jeonbuk National University) 방준호 (Jeonbuk National University) 유정훈 (Jeonbuk National University) 선로빈 (Jeonbuk National University) 홍성준 (Electrical Safety Research Institute) 방선배 (Electrical Safety Research Institute)
저널정보
대한전기학회 전기학회논문지 전기학회논문지 제70권 제11호
발행연도
2021.11
수록면
1,750 - 1,758 (9page)
DOI
10.5370/KIEE.2021.70.11.1750

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
In this paper, a new CNN algorithm is proposed to determine the direct cause of electric fires. We create 10,000-15,000 three types of data that can occur at a fire scene in our laboratory, and then train and verify it through the proposed CNN algorithm. As a result of the experiment and analysis, the classification accuracy of the primary and secondary arc beads was 86.2%, the accuracy of arc beads and molten marks was 93.6%. And also, the classification accuracy of the primary and secondary arc beads and molten marks was 92.4%. The results of this study are meaningful in that fire forensics can provide accurate identification results in a shorter time through artificial intelligence algorithms compared to the existing methods of identification through visual classification and physicochemical material analysis methods. In particular, the classification between primary and secondary arc beads is known to be a very difficult problem. However, the results of this study provided more than 86% classification ability.
#Electrical fire #Arc beads #Molten mark #Convolution neural network

목차

Abstract
1. 서론
2. 전기화재 정밀감정 분석 방법
3. 딥러닝 CNN을 이용한 용융흔 종류의 판별방법 제안
4. 결론
References

참고문헌 (12)

참고문헌 신청
National Fire Agency / 2020 / Fire Statistical Yearbook google schola Youn-hoi Kim / 2016 / visual inspection methods of Short-circuit traces of the electical wiring, A study on the Improvement Plans of Police Fire Investigation :212~222 google schola Gray, D. A / 1983 / Identification of Electrical Sources of Ignition in Fires / Fire Safety J google schola Seki, T. / 2000 / Determination between Primary and Secondary Molten Marks on Electric Wires by DAS / NITE google schola Lee, E-P / 1989 / Discrimination between Primary and Secondary Molten Marks on Electric Wires by DAS / Applied Fire Science 9 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

전기화재 예측 및 예방을 위한 IoT 플랫폼 시스템
양승의 ,  이성옥 ,  정회경 한국정보통신학회논문지 2022 .02
전기화재 시설별 특징 및 최근 대응 동향
김준태 ,  강재혁 전자공학회지 2024 .04
데이터분석기반 전기화재 예측시스템이 탑재된 단말장치 설계 연구
최경선 ,  김영찬 한국조명·전기설비학회 학술대회논문집 2023 .05
기계학습 알고리즘과 신호 필터링 기법을 이용한 전기화재 예방에 관한 연구
류진규 ,  곽동걸 ,  한경희 외 1명 대한전기학회 학술대회 논문집 2023 .07
기계학습을 통한 전기화재 예측모델 연구
고경석 ,  황동현 ,  박상준 외 1명 한국정보전자통신기술학회 논문지 2018 .12

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-560-002150379