한국생산기술연구원은 근로자의 작업 영상을 분석해 근육 부하를 예측할 수 있는 인공지능(AI) 기술을 개발했다고 30일 밝혔다.
산업 현장에서 반복적인 동작과 무거운 하중을 다루는 작업은 작업자의 근육 피로와 근골격계 질환 위험을 높인다. 근육 부하를 측정해 피로가 쌓이는 것을 막기 위한 기술이 요구되지만 기존 근전도 센서는 장시간 착용하기 불편하고 땀 배출 등 문제로 현장에서 활용하기 어려웠다.
생기원 제조AI 연구센터 태현철 연구팀은 반복 작업실험을 통해 영상과 근전도 신호를 정밀하게 동기화한 데이터 플랫폼을 구축했다. 영상 속 인체 움직임을 3차원 뼈대 데이터(3D Skeleton)로 변환하고 신장·체중과 같은 신체정보를 함께 매칭해 영상 기반 근전도 추정을 위한 학습 데이터를 확보했다.
연구팀은 데이터를 기반으로 영상정보와 인체 움직임정보를 함께 학습시켜 AI 모델을 개발했다. 연구팀 관계자는 "영상에서 추출한 시각정보와 3차원 뼈대 움직임, 피험자의 신체 특성을 동시에 학습하는 멀티모달(Multimodal) 방식을 적용했다"며 "이를 통해 사람의 신체 특성과 작업 조건에 따른 근육 부하 차이까지 정밀하게 분석할 수 있게 됐다"고 밝혔다.
연구팀은 작업동작이 시간에 따라 변하는 흐름까지 분석할 수 있는 기술로 모델을 고도화해 시간흐름을 인식하는 합성 신경망(Temporal CNN)과 다층신경망(MLP) 구조를 결합, 들기·이동·내려놓기와 같이 연속적으로 이어지는 작업 전 과정에서 근육 부하의 변화를 예측할 수 있도록 했다. 이를 통해 순간동작 뿐만 아니라 시간이 지남에 따라 누적되는 피로와 부하 변동까지 정밀하게 파악할 수 있게 됐다.
연구팀이 개발한 기술과 기존 근전도 센서 기술을 비교한 결과 평균 오차 0.05, 절대 오차 0.03 수준으로 실제 센서 측정값과 거의 유사한 값을 보여 우수성이 입증됐다고 생기원은 설명했다. 태현철 수석연구원은 "이번 연구는 센서 착용의 불편함을 극복한 것"이라며 "향후 제조, 물류, 헬스케어 등 다양한 작업조건에서 근로자의 피로도를 관리할 수 있는 범용 모델로 확장하겠다"고 말했다.
강경주 기자 qurasoha@hankyung.com
관련뉴스
