한국생산기술연구원 제조AI연구센터 태현철 수석연구원 연구팀이 카메라 영상만으로 근육의 피로와 부하를 정밀하게 예측하는 인공지능 기술을 개발했습니다.

기존의 근육 부하를 측정하는 근전도 센서는 장시간 착용이 불편하고, 땀이나 작업복 등의 영향을 받아 현장 활용에 제약이 있었습니다.

연구팀은 이에 작업 영상을 분석해 근육의 최대 힘 대비 현재 사용 비율을 계산할 수 있는 영상 기반 근활성도 추정 솔루션을 개발했습니다.

먼저 반복 작업 실험을 통해 영상과 근전도 신호를 정밀하게 맞춘 학습용 데이터셋을 구축했습니다.

이어 실험 참여자들에게 근전도 센서를 부착한 뒤, 집기·운반·들기 등 산업현장의 5가지 대표 동작을 반복 수행하도록 해 영상 촬영했습니다.

이를 3차원 뼈대 데이터(3D Skeleton)와 신체정보로 변환해 영상 기반 근전도 추정을 위한 학습 데이터를 확보했습니다.

이 데이터를 바탕으로 영상 정보와 인체 움직임을 동시에 학습하는 멀티모달(Multimodal) 인공지능 모델을 개발했습니다.

이를 통해 개인의 신체 특성과 작업 조건에 따른 근육 부하 변화를 정밀하게 분석할 수 있게 됐습니다.

연구팀은 또한 시간의 흐름에 따른 근육 부하 변화를 예측하기 위해, 시간 정보를 처리하는 합성신경망(Temporal CNN)과 다층신경망(MLP)을 결합한 구조를 도입했습니다.

들기·이동·내려놓기 등 연속 동작 전 과정에서 근육 부하 변화를 추적할 수 있고, 또 시간이 지남에 따라 누적되는 피로와 부하 변동까지 정밀하게 파악할 수 있습니다.

연구팀은 실제 근전도 센서 측정값과 AI모델의 예측 값을 비교·분석한 결과, AI 모델은 평균 오차 0.05, 절대 오차 0.03 수준으로 실제 센서 측정값과 거의 일치했습니다.

근전도 센서 없이 카메라 영상만으로 근육 부하를 정확히 추정할 수 있음을 입증한 것입니다.

태현철 수석연구원은 "영상 기반 근육 부하 추정은 센서 착용의 불편함을 넘어선 접근"이라며" 향후 제조, 물류, 헬스케어 등 다양한 작업 조건에서 근로자의 피로와 부하를 관리할 수 있는 범용 모델로 확장해 나가겠다"고 말했습니다.

TJB 대전방송