딥러닝 기반 객체 탐지를 활용한 배전공가 이상 탐지 모델 연구

• 영문명: Research or Anomaly Detection Model for Distribution Grids Using Deep Learning-Based Object Detection
• 발행기관: 한국스마트미디어학회
• 저자명: 이훈제(Hun Jea Lee) 김진성(Jin Sung Kim) 정세훈(Se Hoon Jung) 심춘보(Chun Bo Shim)
• 간행물 정보: 『스마트미디어저널』제14권 제8호, 60~72쪽, 전체 13쪽
• 주제분류: 공학 > 컴퓨터학
• 파일형태: PDF
• 발행일자: 2025.08.29

국문 초록

현대 사회에서 전력 인프라는 필수적인 에너지 공급망으로, 그 안정성과 효율적 관리는 매우 중요한 과제로 대두되고 있다. 최근 배전 공가에 무단으로 통신 설치 하는 사례가 급증하면서, 전력 설비의 구조적 안정성을 위협하는 위험 요소로 인식되고 있으며, 현재 전력 설비의 이상 여부는 주로 육안 점검에 의존하고 있어 효율적인 정비에 어려움이 있다. 본 연구는 컴퓨터 비전과 딥러닝 기술을 활용하여 배전 공가의 이상을 탐지하는 모델을 제안한다. 특히, 기존의 객체 탐지 기술이 전선처럼 얇고 복잡한 구조를 가진 객체를 정확히 식별하지 못하는 한계를 극복하기 위해, YOLOv11l-seg와 2DCNN을 결합한 이상 탐지 시스템을 제안한다. 본 연구는 Segmentation 기반의 레이블링과 데이터 증강 기법을 적용하여 다양한 환경에서의 탐지 성능을 높였으며, YOLOv8l-seg, YOLOv9c-seg, YOLOv11l-seg, Mask R-CNN+ResNet50+FPN, ConvNeXT등 다양한 모델과의 비교 실험을 통한 우수성을 검증했다. 연구 결과, 제안한 YOLOv11-seg 기반 모델은 전력 설비의 구조적 변화와 이상을 효과적으로 탐지하였으며, 전력 인프라 관리의 효율성 향상과 안정성을 확보한 딥러닝 기반 기술의 실용적 가능성을 제시한다.

영문 초록

In the modern society, power infrastructure is an essential energy supply chain, and its stability and efficient management are emerging as very important tasks. Recently, as the number of cases of unauthorized communication installations in distribution workplaces has increased rapidly, it is recognized as a risk factor that threatens the structural stability of power facilities, and the current abnormality of power facilities mainly relies on visual inspection, making it difficult to efficiently maintain them. This study proposes a model for detecting abnormalities in distribution workplaces using computer vision and deep learning technology. In particular, in order to overcome the limitations of the existing object detection technology accurately identifying objects with a thin and complex structure like wires, we propose an abnormality detection system that combines YOLOv11l-seg and 2DCNN. This study improved the detection performance in various environments by applying segmentation-based labeling and data augmentation techniques, and verified the excellence through comparative experiments with various models such as YOLOv8l-seg, YOLOv9c-seg, YOLOv11l-seg, Mask R-CNN+ResNet50+FPN, and ConvNeXT. As a result of the study, the proposed YOLOv11-seg-based model effectively detects structural changes and abnormalities in power facilities and presents the practical possibility of deep learning-based technology that improves the efficiency and stability of power infrastructure management.

목차

Ⅰ. 서론

Ⅱ. 관련 연구

Ⅲ. 제안 방법

Ⅳ. 실험 및 결과

Ⅴ. 결론

키워드

객체 탐지 컴퓨터 비전 배전 공가 Object Detection YOLO Computer Vision Distribution Substation Management