슈퍼브에이아이, 국립소방연구원과 지하주차장 전기차 화재 조기 감지 AI 모델 개발

• 화재·연기·차량 이미지 10만 장 규모 학습 데이터셋 구축… 감지 시간 65% 단축, 오경보율 80% 감소
• 클라우드 없이 엣지 디바이스에서 실시간 구동, 기존 CCTV 인프라에 그대로 적용
• 실제 화재 상황 재현한 실증 실험 완료… 향후 전기차 화재 감지 시스템 성능 기준 마련에 활용 예정

비전 인텔리전스(Vision Intelligence) 기업 슈퍼브에이아이(대표 김현수)는 국립소방연구원과의 공동 연구를 통해 지하주차장 내 전기차 화재를 조기에 감지하는 AI 모델을 개발했다고 00일 밝혔다. 배터리 열폭주 초기의 옅은 연기를 포착하는 데 초점을 맞춘 모델로, 연구 결과 기존 화재 감지 방식 대비 감지 시간은 65% 단축되고 오경보율은 80% 감소했다.

전기차가 밀집한 지하주차장은 진입로가 제한적이고 불길 확산 속도가 빠른 데다 재발화 가능성도 높아 화재에 특히 취약한 공간으로 꼽힌다. 실제로 소방청 집계에 따르면 2024년까지 누적 전기차 화재는 238건으로, 이 중 절반 가까이가 주차·충전 중에 발생했다. 리튬이온 배터리 열폭주 초기의 옅은 연기는 기존 감지기로 포착하기 어려워, 감지가 늦어질수록 피해는 커지고 오경보로 인한 불필요한 대피·대응 비용도 뒤따랐다.

슈퍼브에이아이는 소방청 소속 국가 연구기관인 국립소방연구원과 공동 연구를 진행하며 전기차 화재·연기 인식 AI 기술 개발을 주도해 왔다. 연구는 6개월 단위, 총 4개 차수로 설계됐다.

먼저 화재·연기·차량 오브젝트에 대해 10만 장 규모의 이미지를 가공해 학습 데이터셋을 구축했다. 실제 화재 사고 데이터와 통제된 환경의 실험 데이터를 결합하고, 자주 발생하지 않는 희귀 케이스는 생성형 AI로 합성 데이터를 만들어 보완했다.

데이터셋 구축 과정에서는 슈퍼브 플랫폼의 스캐터 뷰(Scatter View, 데이터를 유사도에 따라 좌표 평면에 분산 배치해 분포와 이상치를 시각적으로 확인할 수 있는 기능)로 화재·연기 데이터의 분포와 패턴을 확인하며 품질을 관리했다. 일반 공개 데이터로 학습한 기존 시스템과 달리, 이번 모델은 지하주차장과 전기차 하부의 옅은 연기, 먼 거리 연기까지 인식하도록 특화 설계됐다.

구축한 데이터셋으로 여러 모델을 학습해 비교한 뒤, 실시간 처리가 가능한 범위에서 정확도와 속도가 가장 우수한 모델을 선정했다. 초기 단계의 미세한 신호를 놓치지 않는 것이 관건이었던 만큼, 화재 불꽃뿐 아니라 연기 인식 성능을 중심으로 검증을 진행했다.

이렇게 개발된 모델은 엣지 디바이스에서 구동되는 실시간 모니터링 시스템으로 구현됐다. 클라우드를 거치지 않고 현장에서 영상을 분석해 기존 CCTV 인프라에 그대로 얹어 쓸 수 있으며, 화재 감지 시 화면 경고와 소리 알람으로 즉시 알리고 로그로 이력을 남긴다. 같은 네트워크의 PC에서 로컬 웹 서버에 접속하면 외부 서버 없이도 감지 현황을 바로 확인할 수 있다.

2025년 11월 실제 지하주차장에서 실증 실험을 진행하며 통제된 환경이 아닌 현장 조건에서의 연기 감지 성능을 확인했다. 이후 2026년 8월에는 지하주차장에서 실제 화재 상황을 재현해 연기 감지 성능을 검증하는 실증 실험을 완료했다.

현재 마지막 차수 연구가 진행 중이며, 소형 엣지 디바이스에서도 실시간 구동이 가능하도록 경량화해 현장 보급형으로 완성하는 것을 목표로 한다. 연구가 완료되면 '몇 미터 거리에서 몇 초 이내 인식'과 같은 정량 시험 기준을 도출해, 향후 전기차 화재 감지 시스템의 성능 기준을 세우는 데 활용될 예정이다.

김현수 슈퍼브에이아이 대표는 "이번 연구는 공개 데이터로는 학습되지 않는 현장의 특수성을 특화 데이터셋과 합성 데이터로 채우고, 그 모델을 엣지에서 실시간으로 돌린 사례"라며, "데이터 구축부터 모델 개발, 현장 검증까지 AI 도입을 계속 이끌어 나가겠다"고 말했다.