산업 현장 안전을 위해서는 '근육 부하'를 측정해 피로 누적을 예방하는 기술이 요구되지만, 기존 근전도(EMG) 센서는 장시간 착용이 불편하고, 땀이나 작업복 등 영향을 받아 현장 활용에 제약이 있다.
이런 가운데 한국생산기술연구원(원장 이상목)이 카메라 영상만으로 근육 부하를 정밀 예측하는 인공지능(AI) 기술을 개발했다.
생기원은 태현철 제조AI연구센터 수석연구원팀이 작업 영상을 분석해 최대 근력 대비 현재 사용 비율(%MVC)을 계산하는 '영상 기반 근활성도 추정 솔루션'을 개발했다고 30일 밝혔다.
연구팀은 반복 작업 실험으로 영상 및 근전도 신호를 정밀 동기화한 데이터셋을 구축했다. 실험 참여자 주요 근육 부위에 근전도 센서를 부착하고, 집기·운반·들기 등 산업현장에서 빈번한 5가지 대표 동작을 영상으로 반복 촬영했다. 또 영상 속 인체 움직임을 3차원 뼈대 데이터(3D 스켈레톤)로 변환하고 신장·체중 등 신체정보를 매칭해 영상 기반 근전도 추정 학습 데이터를 확보했다.
또 이렇게 구축한 데이터를 기반으로 영상 정보와 인체 움직임 정보를 함께 학습시켜 AI 모델을 개발했다. 영상 추출한 시각정보와 3D 스켈레톤 움직임, 피험자 신체 특성을 동시에 학습하는 멀티모달 방식을 적용한 성과다. 이로써 사람의 신체 특성과 작업 조건에 따른 근육 부하 차이까지 정밀 분석할 수 있게 했다.
또 연구팀은 작업 동작이 시간에 따라 변하는 흐름까지 분석할 수 있는 기술로 모델을 고도화했다. 시간 흐름을 인식하는 합성 신경망(Temporal CNN), 여러 층 뉴런으로 정보를 처리해 최종 예측값을 도출하는 다층신경망(MLP) 구조를 결합해 들기-이동-내려놓기와 같이 연속된 작업의 근육 부하 변화를 예측할 수 있게 했다. 이 방식으로 순간 동작뿐 아니라 시간이 흐르며 누적되는 피로, 부하 변동까지 정밀 파악할 수 있다.
이를 근전도 센서를 활용한 실제 근육 부하 측정값과 비교한 결과, 평균 오차(예측값·실제값 평균 제곱근 오차)는 0.05, 절대 오차(예측값·실제값 평균 절대 오차)는 0.03 수준으로 센서 측정값과 유사했다.
태현철 수석은 “향후 제조, 물류, 헬스케어 등 다양한 작업 조건에서 근로자의 피로·부하를 관리할 수 있는 범용 모델로 확장해 나가겠다”고 밝혔다.
김영준 기자 kyj85@etnews.com
