깊은 신경망 기반 객체 검출을 이용한 발전 설비 터빈 블레이드 이상 탐지

• Published in: 한국정보전자통신기술학회 논문지 Vol. 15; no. 1; pp. 69 - 75
• Main Authors: 유종민(Jongmin Yu), 이장원(Jangwon Lee), 오현택(Hyeontaek Oh), 박상기(Sang-Ki Park), 양진홍(Jinhong Yang)
• Format: Journal Article
• Language: Korean
• Published: 한국정보전자통신기술학회 2022
• Subjects: 전자/정보통신공학; object detection; Power plant; turbine blade anomaly detection; deep neural network
• ISSN: 2005-081X; 2288-9302

Due to the increase in the demand for anomaly detection according to the ageing of power generation facilities, the need for developing an anomaly detection method that can provide high-reliability turbine blade anomaly detection performance has been continuously raised. Additionally, the false detection results caused by a human error accelerates the increase of the need. In this paper, we propose an anomaly detection technique for turbine blades in power plants using deep neural networks. Experimental results prove that the proposed technique achieves stable anomaly detection performance while minimizing human factor intervention. 지금까지 발전 설비 터빈 블레이드의 이상 탐지는 사람에 의해 진행되어왔다. 하지만 발전 설비 노후화로 인한 이상 탐지 수요 증가와 터빈 블레이드의 이상을 검사하는 검사자 간의 기량 차로 인해 발생하는 검출 결과의 상이성으로 인해, 이러한 터빈 블레이드 이상 탐지 수요 증가와 인적 요소로 인해 발생하는 오류를 줄이고 높은 신뢰성의 터빈 블레이드 이상 검출성능을 안정적으로 제공할 수 있는 기법 개발의 필요성이 지속해서 제기되어 왔다. 이번 논문에서는 최근 다양한 분야에서 인상적인 성능 향상을 달성한 깊은 신경망을 이용한 발전 설비 터빈 블레이드의 이상 탐지 기술을 제안한다. 실험 결과는 제안된 기술이 인적 요소의 개입을 최소화함과 동시에 안정적인 이상 검출성능을 달성함을 증명한다.