In this study, the power consumption and illuminance were analyzed by replacing the fluorescent and incandescent lamps used as light sources for the engine room lighting of the training ship with LED light sources. By replacing 40W and 20W fluorescent lamps with 17W and 11W LED lamps, 40W fluorescent lamps reduced power consumption by 57.5% and 20W fluorescent lamps reduced power consumption by 45% and improved illumination by 56.8%. In particular, as a result of replacing 60W incandescent lamps with LEDs, power consumption was reduced by 85%. By installing an auxiliary cooling seawater pump that supplies cooling seawater to the engine control room air conditioner and boiler drain cooler in parallel, there is an energy saving effect of 88.1%. was confirmed.

본 논문은 선박 기관실 내의 효율적인 감시를 위한 팬-틸트-줌(PTZ) 카메라 기반의 모니터링 시스템의 설계 방법을 다룬다. 선 박 기관실에는 여전히 전통적인 아날로그 계기들을 사용하는 곳이 많고, 침수나 화재 등 안전과 밀접하게 관련된 사각지대들이 다수 존 재한다. 이러한 감시 개소들에 대하여 비교적 빠른 주기로 넓은 범위를 보장하는 카메라 기반 감시 시스템은 선박의 안전을 강화시킬 수 있는 효과적인 대안이 될 수 있다. 이에 본 연구에서는 기존 PTZ 카메라의 기능들을 소프트웨어적 방법으로 더욱 강화시킨 형태의 모니 터링 시스템을 제안한다. 보다 구체적으로는 카메라제어 모듈, 위치등록 모듈, 순회제어 모듈, 멀티뷰 영상재구성 모듈로 구성된 모니터 링 시스템의 설계 방법을 제안하고, 제안된 방법은 기관실 환경에서의 실험을 통해 그 효용성을 평가한다.

선박 기관실은 기술의 발전으로 인해 자동화 시스템이 향상되었지만, 해상에서는 바람, 파도, 진동, 기기 노후화 등의 다양한 변수가 많아 자동화 시스템에서 계측되지 않는 풀림, 절단, 누유, 누수 등이 발생하므로 기관사는 주기적으로 순찰을 한다. 순찰 시에는 1명의 기관사만 순찰하는 경우도 있으며, 이는 고온고압 및 회전기기가 운전 중인 기관실에서 많은 위험요소를 가지고 있다. 기관사가 순찰 시에는 오감을 활용하며, 특히 시각에 의존한다. 본 논문에서는 로봇이 기관실을 순찰하며 기기의 특이사항을 검출하고 알려주는 기관실 순찰 로봇을 구현하기 위한 선행연구로서 선박 기관실 기기의 이미지를 합성곱 신경망을 이용하여 분류하였다. 선박 기관실의 이미지 데이터 셋을 구성한 후 사전 훈련된 합성곱 신경망 모델로 학습하였다. 학습한 모델의 분류 성능은 높은 재현율을 보였으며, 클래스 활성화 맵으로 이미지를 시각화 하였다. 데이터의 양이 제한적이어서 일반화할 수는 없지만, 각 선박의 데이터를 전이 학습으로 학습시키면 적은 시간과 비용으로 각 선박의 특성에 맞는 모델을 구축할 수 있을 것으로 사료된다.

소형선박 기관실 내 화재 시 개구부 유동 및 온도에 대해 FDS(Fire Dynamics Simulator)를 이용하여 화재시뮬레이션을 수행하였다. 열방출률이 10 kW 급인 경유(Diesel) 화재를 대상으로 하였고, 천장 통풍통의 위치, 측면 개구부 유·무 및 크기에 대한 영향을 파악하였다. 측면 개구부의 유·무 및 크기는 연기 거동 뿐 아니라 개구부를 통한 질량 유량 및 온도에 지대한 영향을 미쳤다. 측면 개구부가 미설치되거나 크기가 작은 경우 연기층이 기관실 내 바닥까지 도달하였고, 측면 개구부의 크기가 증가함에 따라 개구부를 통한 질량 유량이 증가하고 온도는 감소하는 경향이 나타났다. 반면, 천장 통풍통의 위치가 연기 거동, 개구부를 통한 질량 유량 및 온도에 미치는 영향은 측면 개구부 크기에 비해 상대적으로 미미한 것으로 관찰되었다. 따라서 소형선박의 기관실 내 화재 시 안전성 향상을 위해서는 천장 통풍통 위치보다 측면 개구부의 크기가 더 중요한 설계 인자인 것으로 판단된다.

화재의 초기 검출은 인명과 재화의 손실을 최소화하기 위한 중요한 요소이다. 불꽃과 연기를 신속하면서 동시에 검출해야 하며 이를 위해 영상 기반의 화재 검출에 관한 연구가 다양하게 진행되고 있다. 기존의 화재 검출은 불꽃과 연기의 특징을 추출하기 위해 여러 알고리즘을 거쳐서 화재의 검출 유무를 판단하므로 연산량이 많이 소모되었으나, 딥러닝 알고리즘인 합성곱 신경망을 이용 하면 별도의 과정이 생략되므로 신속하게 검출할 수 있다. 본 논문에서는 선박 기관실에서 화재 영상을 녹화한 데이터로 실험을 수행 하였다. 불꽃과 연기의 특징을 외각 상자로 추출한 후 합성곱 신경망 중 하나인 욜로(YOLO)를 이용하여 학습하고 결과를 테스트하였 다. 실험 결과를 검출률, 오검출률, 정확도로 평가하였으며 불꽃은 0.994, 0.011, 0.998, 연기는 0.978, 0.021, 0.978을 나타내었고, 연산시간 은 0.009s를 소모됨을 확인하였다.

선박의 기관실에서 사용하고 있는 화재 검출기는 연기나 열이 검출기에 도달해야 하지만 기관실의 공기 흐름은 기기의 사용유무에 따라 매우 유동적이기 때문에 상부에 설치된 검출기에 도달하기에는 많은 시간이 필요하다. 이러한 단점을 보완하기 위해 근래에는 영상을 기반으로 화재를 검지하는 연구가 이루어지고 있다. 영상기반의 연기 검지는 공기의 흐름에 영향을 받지 않으며 전송속도가 빠르 기 때문에 화재의 초기 검지에 효율적이다. 본 연구는 기관실에서 연기 발생기로 발생시킨 연기의 확산모습을 녹화한 영상으로 실험을 수행하였다. 연기의 질감특징을 추출하는 LBP와 GLCM연산자를 사용하여 생성된 학습 데이터를 기계학습 분류기인 SVM으로 학습한 후 분류하여 검출 성능을 평가함으로서 연기가 상부에 설치되어 있는 검출기까지 상승하지 않더라도 영상기반으로 먼저 검지 가능함을 확인하였다.