Earticle

초록

영어

Research on water-pipeline leak detection that combines Internet of Things sensors with machine learning feeds a frequency spectrum of hundreds to thousands of dimensions, obtained by the Fast Fourier Transform, into a machine-learning classifier to determine whether a leak has occurred. Because prior studies use the high-dimensional spectrum without dimensionality reduction, it is difficult to provide an inference service that runs directly on low-power edge devices with limited computing capacity. Observing that the discriminative leak information concentrates in the peak shape within a narrow frequency band, this study compresses the spectrum into eleven shiftinvariant features and, across ten classifiers, compares the performance and computation of full-spectrum input and compressed-feature input, thereby providing practical design guidelines for deployment on low-power edge devices. Tree-based ensemble classifiers reduced the input dimension about 186-fold while retaining about 98.6% of leak-detection performance and shortening training time by up to about 411-fold, and linear- and kernel-based classifiers reduced inference time and model size by up to about 155-fold and 210-fold, respectively. Because the proposed shift-invariant features capture the shape rather than the absolute position of spectral peaks, they are expected to generalize to sites where the leak frequency varies with the diameter and material of the pipe.

한국어

사물인터넷(Internet of Things) 센서와 머신러닝을 결합한 상수도 누수 탐지 연구는 고속 푸리에 변환(Fast Fourier Transform)으로 얻은 수백~수천 차원의 주파수 스펙트럼을 머신러닝 분류기에 입력하여 누수 여부를 판단하는 방식으로 이루어진다. 기존 연구는 고차원 스펙트럼을 차원 축소 없이 그대로 사용하므로, 계산 능력이 제한된 저전력 엣지 디바이스에서 직접 동작하는 추론 서비스를 제공하기 어렵다. 본 연구는 누수 판별 정보가 좁은 주파수 대역의 봉우리 형태에 집중된다는 특성에 착안하여, 스펙트럼을 11개의 이동 불변 특징으로 압축하고 10개 분류기에 대해 전체 스펙트럼 입력과 압축 특징 입력의 성능과 계산량을 비교하여, 저전력 엣지 배포를 위한 실용적 경량화 설계 지침을 제시하였다. 트리 앙상블 계열은 입력 차원을 약 186배 축소하고도 누수 탐지 성능의 약98.6%를 유지하며 학습 시간을 최대 약 411배 단축하였고, 선형 및 커널 계열은 추론 시간과 모델 크기를 각각 최대 약 155배와 210배 절감하였다. 제안한 이동 불변 특징은 스펙트럼 봉우리의 절대적 위치가 아닌 형태를 포착하므로, 배관의 지름과 재질에 따라 누수 주파수가 달라지는 현장에서도 일반화 가능성이 기대된다.

목차

요약
Abstract
1. 서론
1.1 연구 배경
1.2 문제 제기: 고차원 입력의 계산 부담
1.3 연구 동기와 착안점
1.4 연구 목적 및 기여
2. 관련 연구
2.1 머신러닝 기반 누수 탐지
2.2 누수 신호의 특징 설계
2.3 모델 경량화와 본 연구의 위치
3. 신호 특성과 특징 설계
3.1 데이터 및 신호 특성 분석
3.2 이동 불변 11개 특징
4. 실험 설정
4.1 데이터
4.2 분류기 및 설정
4.3 평가 방법
4.4 실행 환경 및 측정 조건
5. 실험 결과
5.1 성능 비교
5.2 계산량 비교
5.3 압축 적합성과 분류기 선택 지침
5.4 이동 불변 설계와 대역 이동에 대한 일반화가능성
6. 논의
7. 한계 및 향후 연구
8. 결론
Acknowledgements
참고문헌

키워드

저자

• 정재우 [ JaeWoo Jung | 호서대학교 전자공학과 ] 교신저자
• 김정욱 [ JoungOuk Kim | (주) 에이콘 ]
• 나광윤 [ KwangYun Na | (주) 에스씨솔루션글로벌 ]
• 성일 [ Il Seong | (주) 에스씨솔루션글로벌 ]

참고문헌

발행기관

간행물

표지보기 관심저널 등록

• 간행물명

  한국차세대컴퓨팅학회 논문지 [THE JOURNAL OF KOREAN INSTITUTE OF NEXT GENERATION COMPUTING]

• 간기

  격월간

• pISSN

  1975-681X

• 수록기간

  2005~2026

• 등재여부

  KCI 등재

• 십진분류

  KDC 566 DDC 004