1 |
1
프로세서를 포함한 컴퓨팅 장치에 의해 수행되는 시설의 센싱 이미지를 이미지화하여 시설의 상태를 판단하는 방법에 있어서, 쿼리시점에서의 센싱 데이터를 복수의 센서를 통해 수신하는 단계; 상기 센싱 데이터에 기초하여 쿼리시간에서 상기 시설의 상태를 나타내는, 쿼리시간에서의 상태 이미지를 생성하는 단계; 및 미리 학습된 상태 판단 모델에 상기 상태 이미지를 적용하여 상기 쿼리시간에서 비정상 상태가 발생했는지 여부를 판단하는 단계를 포함하는 방법
|
2 |
2
제1항에 있어서, 상기 복수의 센서는 복수의 유형을 가지며, 상기 센싱 데이터는 다변수 시계열 데이터인 것을 특징으로 하는 방법
|
3 |
3
제1항에 있어서, 상기 상태 이미지 생성 이전에 상기 센싱 데이터를 정규화하기 위해 전처리하는 단계를 더 포함하는 방법
|
4 |
4
제1항에 있어서, 상기 상태 이미지를 생성하는 단계는,쿼리시간에서의 각 센서의 센싱 데이터를 배열하는 단계; 및 상기 복수의 센서가 N개인 경우, N*N의 픽셀 세트를 형성하는 단계를 포함하며, 각 픽셀은 제1 센서 및 제2 센서에 연관되는 것을 특징으로 하는 방법
|
5 |
5
제4항에 있어서, 상기 쿼리시간에서의 각 센서의 센싱 데이터를 배열하는 단계는, 미리 저장된 센서의 순서번호에 따라 배열되며, 상기 센서의 순서번호는 시설 내 설비의 구동 순서에 따르는 것을 특징으로 하는 방법
|
6 |
6
제4항에 있어서, 상기 상태 이미지를 생성하는 단계는,상기 픽셀에 연관된 제1 센서 및 제2 센서를 통해 수신된, 쿼리시간에서의 제1 센싱 데이터와 제2 센싱 데이터 간의 차이에 기초하여 상기 쿼리시간에서의 픽셀의 색상 값을 산출하는 단계; 미리 저장된 색상 테이블에서 산출된 색상 값에 대응하는 색상을 검색하는 단계; 및 검색된 색상을 상기 색상에 부여하는 단계를 포함하는 방법
|
7 |
7
제6항에 있어서, 상기 쿼리시간에서의 픽셀의 색상 값을 산출하는 단계는, 상기 쿼리시간에서 소정의 시간 간격 이전의 시간 상에서의 제1 센싱 데이터와 제2 센싱 데이터 간의 시간별 차이에 기초하여 상기 픽셀의 시간별 색상 값을 산출하는 단계; 상기 시간별 색상 값에 시간별 시간 가중치를 각각 적용하는 단계; 및상기 가중치 적용 결과에 기초하여 소정 시간 간격 상에서의 픽셀의 색상 값을 상기 쿼리시간에서의 픽셀의 색상 값으로 산출하는 단계를 포함하는 방법
|
8 |
8
제7항에 있어서, 상기 시간별 시간 가중치는 쿼리시점에 가까울수록 더 높은 값을 갖는 것을 특징으로 하는 방법
|
9 |
9
제1항에 있어서, 상기 쿼리시간에서 비정상 상태가 발생했는지 여부를 판단하는 단계는, 미리 학습된 상태 판단 모델에 상기 상태 이미지를 적용하여 상태 보조 이미지를 생성하는 단계; 상기 상태 이미지 및 상태 보조 이미지에 기초하여 쿼리시점에서의 비정상 점수를 산출하는 단계; 및상기 비정상 점수가 미리 설정된 임계치 보다 높은 경우 상기 쿼리시간에서 비정상 상황이 발생했다고 판단하는 단계를 포함하는 방법
|
10 |
10
제9항에 있어서, 상기 상태 판단 모델은, 데이터를 입력받은 경우, 학습에 사용된 훈련 샘플의 데이터 분포와 복원 오차가 최소가 되거나 데이터 분포에 속하게 하는 출력 데이터를 생성하도록 학습된 것을 특징으로 하는 방법
|
11 |
11
제10항에 있어서, 상기 학습에 사용된 훈련 샘플은 정상 상태의 센싱 데이터를 포함하며, 상기 데이터 분포는 상기 훈련 샘플의 상태 이미지의 데이터 분포인 것을 특징으로 하는 방법
|
12 |
12
제9항에 있어서, 상기 상태 판단 모델은,비정상 상태의 센싱 데이터를 포함한 센싱 데이터에 기초하여 생성된 상태 이미지가 적용된 경우, 정상 상태를 나타내는 상태 이미지와 벡터 간의 간격이 가장 가까운 상태 보조 이미지를 생성하는 것을 특징으로 하는 방법
|
13 |
13
제1항에 있어서,비정상 상태로 판단된 경우, 상기 상태 이미지에 기초하여 비정상 상태를 감지한 센서를 검출하는 단계를 더 포함하는 방법
|
14 |
14
제13항에 있어서, 상기 센서를 검출하는 단계는, 상기 상태 이미지, 그리고 상기 상태 판단 모델에 의해 생성된 상태 보조 이미지에 기초하여 쿼리시간에서의 잔차 이미지를 생성하는 단계; 상기 잔차 이미지에 포함된 픽셀의 색상 값에 기초하여 미리 설정된 잔차 임계치를 보다 큰 색상 값을 갖는 픽셀을 결정하는 단계; 및상기 결정된 픽셀에 연관된 센서를 결정하는 단계를 포함하되, 상기 잔차 임계치는 정상 상태의 센싱 데이터에 기초한 잔차 이미지 내 픽셀의 색상 값 보다 큰 것을 특징으로 하는 방법
|
15 |
15
제14항에 있어서, 상기 결정된 픽셀에 연관된 센서를 결정하는 단계는, 상기 잔차 이미지 내에서 상기 결정된 픽셀에 연관된 센서의 순서번호에 기초하여 연관된 센서를 결정하는 단계를 포함하는 방법
|
16 |
16
컴퓨팅 장치에 의해 판독가능하고, 상기 컴퓨팅 장치에 의해 동작 가능한 프로그램 명령어를 저장하는 컴퓨터 판독가능 기록매체로서, 상기 프로그램 명령어가 상기 컴퓨팅 장치의 프로세서에 의해 실행되는 경우 상기 프로세서가 제1항 내지 제15항 중 어느 하나의 항에 따른 시설의 상태를 판단하는 방법을 수행하게 하는 컴퓨터 판독가능 기록매체
|
17 |
17
시설의 센싱 이미지를 이미지화하여 시설의 상태를 판단하는 시스템에 있어서, 시설에 설치된 복수의 센서; 상기 복수의 센서를 통해 센싱 데이터를 수신하는 수신장치; 상기 센싱 데이터에 기초하여 쿼리시간에서의 상기 시설의 상태를 나타내는 상태 이미지를 생성하는 이미지 변환부; 미리 학습된 상태 판단 모델에 상기 상태 이미지를 적용하여 상기 쿼리시간에서 비정상 상태가 발생했는지 여부를 판단하는 상태 판단부; 및 상기 시설의 적어도 일부 영역의 상태가 비정상 상태로 판단된 경우, 비정상 상태를 감지한 센서를 검출하는 비정상 위치 검출부를 포함하는 시스템
|
18 |
18
제17항에 있어서, 상기 상태 판단 모델은, 데이터를 입력받은 경우, 학습에 사용된 훈련 샘플의 데이터 분포와 복원 오차가 최소가 되거나 데이터 분포에 속하게 하는 출력 데이터를 생성하도록 학습된 것을 특징으로 하는 시스템
|
19 |
19
제17항에 있어서, 상기 상태 판단 모델은,비정상 상태의 센싱 데이터를 포함한 센싱 데이터에 기초하여 생성된 상태 이미지가 적용된 경우, 정상 상태를 나타내는 상태 이미지와 벡터 간의 간격이 가장 가까운 상태 보조 이미지를 생성하는 것을 특징으로 하는 시스템
|
20 |
20
제17항에 있어서, 상기 비정상 위치 검출부는, 상기 상태 이미지, 그리고 상기 상태 판단 모델에 의해 생성된 상태 보조 이미지에 기초하여 쿼리시간에서의 잔차 이미지를 생성하고, 상기 잔차 이미지에 포함된 픽셀의 색상 값에 기초하여 미리 설정된 잔차 임계치를 보다 큰 색상 값을 갖는 픽셀을 결정하며, 그리고 상기 결정된 픽셀에 연관된 센서를 결정하도록 구성되며, 상기 잔차 임계치는 정상 상태의 센싱 데이터에 기초한 잔차 이미지 내 픽셀의 색상 값 보다 큰 것을 특징으로 하는 시스템
|