딥러닝 이상탐지 벤치마크 프레임워크

원자로에 이상이 발견되기전 예후를 예측하거나 이상이 발생한 직후 빠르게 이상탐지를 할 수 있는 솔루션
딥러닝 이상탐지 벤치마크 프레임워크

고객사 : 한국원자력연구원

추진배경 및 필요성

  1. 원자로에 이상이 발견되면 가동을 멈출 수 밖에 없는데 이는 엄청난 자원낭비를 초래함. 이상이 발견되기전 예후를 예측하거나 이상이 발생한 직후 빠르게 이상탐지를 할 수 있는 솔루션이 필요함.
  2. 하나로 및 연구시설 운영 지능화를 달성하기 위하여 이상탐지를 포함한 딥러닝 기반의 인공지능 기술을 개발하고 관련 플랫폼을 구축하는 것을 목적으로 함.
  3. 이상탐지 기술 개발간, 연구기술의 성능평가를 위하여 기존 딥러닝 이상탐지 기술과의 비교가 필요하며, 이에 따라 벤치마크 프레임워크 및 모델 풀 확보를 위한 지원이 필요함.

이상탐지 벤치마크 프레임워크를 사용한 이상 탐지 결과

* 실제 데이터는 비밀 유출 가능성이 있어 MNIST 데이터셋(숫자 손글씨)을 사용함

ROC 커브 아래의 면적(ROCAUC)이 넓을 수록 높은 성능의 모델이다

데이터 구분

  • 정상 데이터 : 숫자 0
  • 비정상 데이터 : 숫자 0을 제외한 1부터 9까지 숫자

백본 네트워크

  • GANomaly
  • ResNet18/50 UNet

Metrics

  • MSE
  • MAE
  • Mahalanobis Distance
  • ROC CURVE
  • ROCAUC Score

개발 범위

  1. 벤치마크 프레임워크 코드 작성
  2. 데이터 준비 및 데이터 로더 코드 연동
  3. 딥러닝 모델 백본 네트워크 구현
  4. 이상탐지 모델 코드 구현 및 기개발 코드 연동
  5. 결과분석 코드 구현