Project Detail

AI-based Prediction to Estimate the Troubles with
Flame Monitoring for Hydrogen Co-Firing

수소 혼소 발전에서 화염 위치와 위험 신호를 실시간으로 추정하기 위해, 열화상 카메라와 임베디드 장비, YOLO v5 기반 인식 모델을 결합한 에너지 + AI + 임베디드 프로젝트입니다.

수소 혼소는 탄소 배출 저감에 유리하지만 flashback, 연소 불안정, 화염 위치 불확실성 같은 문제가 존재합니다. 수소 화염은 무색에 가깝고 폭발 위험 때문에 실제 학습 데이터를 얻기 어려워, 메탄하이드레이트 연소 열화상 이미지를 대체 학습 데이터로 활용했습니다.

학회 포스터 수소 혼소 열화상 카메라 YOLO v5 Raspberry Pi 5 에너지 + AI

자세히 보기 프로젝트 목록으로

한눈에 보기

  • 수소 혼소 화염의 위치와 위험 확률을 AI로 추정
  • Raspberry Pi 5 기반 임베디드 프로토타입 제작
  • 열화상 카메라와 YOLO v5를 결합한 실시간 모니터링 구조
  • 경고 메시지를 생성해 향후 자동 제어로 확장 가능한 구조 제안

무엇을 해결하려 했는가

수소 혼소 발전의 위험 요소를 화염 영상 기반으로 파악하는 것이 목표였습니다.

문제 정의

수소 혼소 비율이 올라갈수록 연소 속도와 온도가 증가하고, flashback이나 연소 불안정 가능성이 커집니다. 특히 수소 화염은 가시광 영역에서 관측이 어려워 모니터링 자체가 난제입니다.

데이터 전략

실제 수소 연소 데이터는 폭발 위험 때문에 확보가 어렵기 때문에, 메탄하이드레이트 연소 열화상 이미지를 학습 데이터로 활용해 예측 성능을 검증했습니다.

프로토타입

Raspberry Pi 5와 thermal camera sensor, YOLO v5 기반 탐지 모델, 디스플레이를 포함한 임베디드 시스템을 구성해 실시간 경고 메시지를 낼 수 있는 형태로 만들었습니다.

70% 혼소 비율 예시
CO₂ 40%+ 감축
Pi 5 임베디드 프로토타입
핵심 보드
YOLO v5 실시간 화염 위치 추정
탐지 모델
Thermal 가시광 대신 활용한
관측 방식

어떻게 접근했는가

가시광 화염 관측 한계를 피하기 위해 열화상 기반 임베디드 모니터링으로 접근했습니다.

Monitoring Logic

화염 온도와 위치를 함께 본 이유

포스터는 embedded system이 flame temperature와 flame position을 바탕으로 기계적 결함 가능성을 추정하고, 필요 시 warning message를 생성하도록 설명합니다. 즉, 단순한 화염 검출이 아니라 위험 평가를 위한 상태 추정에 가까운 구조입니다.

Embedded AI

현장형 시스템으로 가는 방향

이 프로젝트는 연구실 수준의 이미지 분석 데모를 넘어, 실제 운전 경고에 연결될 수 있는 모듈을 지향합니다. 경고 이후에는 수소 혼소 비율과 연료 유속을 자동 조정하는 운영 시스템으로 확장할 수 있다고 제안합니다.
Why This Matters

포트폴리오에서의 의미

  • 에너지 도메인 문제를 임베디드 AI 시스템으로 연결
  • 데이터 부족 문제를 우회하는 실험 전략 제시
  • 경고 생성에서 끝나지 않고 제어 시스템 확장 가능성 제시
Core Message

수소 혼소 + AI + 안전

이 프로젝트는 수소 혼소의 에너지 전환 의미만 강조하지 않고, 그 과정에서 실제로 필요한 감시·경고·운영 안전 문제를 AI로 다룬다는 점에서 차별성이 있습니다.

결과와 확장 방향

연구 포스터 단계이지만, 현장 적용을 겨냥한 시스템 구조가 명확합니다.

주요 결과

  • Raspberry Pi 5, 열화상 카메라, YOLO v5를 포함한 프로토타입 구성을 제시했습니다.
  • 메탄하이드레이트 연소 이미지를 활용해 예측 성능 검증 가능성을 보였습니다.
  • 화염 위치와 온도를 기반으로 경고 메시지를 생성하는 embedded system 개념을 정리했습니다.

확장 가능성

  • 경고 이후 수소 혼소 비율 자동 조정
  • 연료 유속 제어와 연결된 운영 자동화
  • 터빈 운전 안전성 향상을 위한 기초 모듈로 확장
정리
수소 혼소 발전의 안전 문제를, 열화상·임베디드·AI를 연결한 하나의 운영 모듈로 풀어내려 했다는 점이 이 프로젝트의 핵심입니다.

관련 자료

현재 페이지는 학회 포스터를 바탕으로 다시 정리했습니다.

최연지_수소혼소-발표포스터_최종.pdf

학회 포스터

수소 혼소의 위험 요소, 열화상 기반 데이터 전략, Raspberry Pi 5 + YOLO v5 임베디드 시스템, 경고 메시지 생성과 운영 확장 가능성을 담은 핵심 자료입니다.