‘AI 영상’으로 근육 부하 예측…근골격계 질환 막는다 작성일 10-30 45 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">- 생기원, 센서없이 근육 부하 예측 영상 기반 AI모델 개발</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="6IVXZynQGx"> <figure class="figure_frm origin_fig" contents-hash="3c2d812f47f162022cd2d16ebaac39ab6c029f3e9b9681e0dce04d6872a46885" dmcf-pid="PCfZ5WLx1Q" dmcf-ptype="figure"> <p class="link_figure"><img alt="이번 연구를 수행한 한국생산기술연구원 최경희(왼쪽) 선임연구원과 태현철 수석연구원.[한국생산기술연구원 제공]" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202510/30/ned/20251030105253937tgkx.jpg" data-org-width="1280" dmcf-mid="8c6tFHae5M" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202510/30/ned/20251030105253937tgkx.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 이번 연구를 수행한 한국생산기술연구원 최경희(왼쪽) 선임연구원과 태현철 수석연구원.[한국생산기술연구원 제공] </figcaption> </figure> <p contents-hash="6e2cfc6bf22f44521eca8eb902cf4f045b7404bbad55863f2e200468282d2444" dmcf-pid="Qh451YoMGP" dmcf-ptype="general">[헤럴드경제=구본혁 기자] 산업 현장에서 반복적인 동작과 무거운 하중을 다루는 작업은 작업자의 근육 피로와 근골격계 질환 위험을 높인다.</p> <p contents-hash="284f29a4ba06270d48b24db8b0b6df7e8dcba6a8b3ad17d8b0dff16895a4de3e" dmcf-pid="xl81tGgRG6" dmcf-ptype="general">근육 부하를 정확히 측정해 피로 누적을 예방하는 기술이 요구되지만, 근전도(EMG, Electromyography) 센서는 장시간 착용이 불편하고, 땀이나 작업복 등의 영향을 받아 현장 활용에 제약이 있다.</p> <p contents-hash="9d452e656b12e8c2a073499398d1cb74de62b585261b5161bc61c335e5ce0fdc" dmcf-pid="y8lLoeFYG8" dmcf-ptype="general">한국생산기술연구원은 카메라 영상만으로 근육 부하를 정밀 예측하는 인공지능 기술을 개발했다.</p> <p contents-hash="5af10f38afe42fb3300fbf67e18a4b53bc6e5a228e23a7fc71c7873342163e68" dmcf-pid="W6Sogd3G54" dmcf-ptype="general">생기원 제조AI연구센터 태현철 수석연구원 연구팀은 작업 영상을 분석해 최대 근력 대비 현재 사용 비율을 계산하는 ‘영상 기반 근활성도 추정 솔루션’을 개발했다고 밝혔다.</p> <p contents-hash="461ee658cd8148578eda0afd3a8ee4c65bebb66708d6669e8af7a26d6a0980ba" dmcf-pid="YPvgaJ0Htf" dmcf-ptype="general">연구팀은 반복 작업 실험을 통해 영상과 근전도 신호를 정밀하게 동기화한 데이터셋을 구축했다.</p> <p contents-hash="737a60d6f58e1a69412663039a63d2c640fa641dd4db737ac384e7e82a85789b" dmcf-pid="GQTaNipXGV" dmcf-ptype="general">실험 참여자의 주요 근육 부위에 근전도 센서를 부착하고, 집기·운반·들기 등 산업현장에서 빈번하게 수행되는 5가지 대표 동작을 반복 수행하도록 해 영상으로 촬영했다.</p> <p contents-hash="5b1e50cdba10d5dc8faa4107f8d728d54dda7ead59ff150d007362e411af15bd" dmcf-pid="HRYAco71t2" dmcf-ptype="general">또한 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.</p> <p contents-hash="809169166915582dcb0ed8ca9a74e9c9bfd4f4b011c9cc5767344f85e6a5b14f" dmcf-pid="XeGckgzt19" dmcf-ptype="general">연구팀은 구축한 데이터를 기반으로 영상 정보와 인체 움직임 정보를 함께 학습시켜 인공지능 모델을 개발했다.</p> <p contents-hash="247e29b993923ee7f2bea091214cdf4dc5f00315e55bd7f027ac3f86d6d64752" dmcf-pid="ZdHkEaqFZK" dmcf-ptype="general">영상에서 추출한 시각정보와 3차원 뼈대 움직임, 피험자의 신체 특성을 동시에 학습하는 멀티모달(Multimodal) 방식을 적용한 성과다.</p> <p contents-hash="0381cb61715fc6b7386668804edfd9aee645d676eac340d4aeba80ef1a7a8ba5" dmcf-pid="5JXEDNB3Xb" dmcf-ptype="general">이를 통해 사람의 신체 특성과 작업 조건에 따른 근육 부하 차이까지 정밀하게 분석할 수 있게 됐다.</p> <p contents-hash="5b22efdee6a158f9041b96eff66d6ebb8e64cb3853319e843bfbd4aaf3c2abe7" dmcf-pid="1iZDwjb0HB" dmcf-ptype="general">또한 작업 동작이 시간에 따라 변하는 흐름까지 분석할 수 있는 기술로 모델을 고도화했다.</p> <p contents-hash="14aab32882a3fbc812da1711d553d78685b8608493c40623e4133085c0af26e1" dmcf-pid="tn5wrAKpYq" dmcf-ptype="general">시간 흐름을 인식하는 합성 신경망(Temporal CNN)과 다층신경망(MLP) 구조를 결합해 들기-이동-내려놓기와 같이 연속적으로 이어지는 작업 전 과정에서 근육 부하의 변화를 예측할 수 있도록 했다.</p> <p contents-hash="4d94cb276bbdcba0468259e789d7ad8a43046ed83f983fbbda64928211df1c49" dmcf-pid="FL1rmc9UYz" dmcf-ptype="general">이 방식으로 순간 동작뿐 아니라 시간이 지남에 따라 누적되는 피로와 부하 변동까지 정밀하게 파악할 수 있다.</p> <p contents-hash="c9e513659e53f4271c69791979a8997b5ce9147481dd7bb9ebf81d3025bae1ed" dmcf-pid="3otmsk2u17" dmcf-ptype="general">연구팀은 개발한 모델 성능을 검증하기 위해 작업 환경을 재현한 실험을 진행했다.</p> <p contents-hash="2122979f71f0de4a411ec88ad31530bf1c7f460059e2701f5fffb95fcc376388" dmcf-pid="0gFsOEV7Zu" dmcf-ptype="general">실험 대상자에게 근전도 센서를 부착해 실제 근육 부하를 측정하고, 이를 개발한 AI모델의 예측 값과 비교‧분석했다.</p> <p contents-hash="f6140445dac0c2f7836ac671d093ee6b171d698b0b1b54a277e61bb328e8066e" dmcf-pid="pa3OIDfzYU" dmcf-ptype="general">그 결과 평균 오차 0.05, 절대 오차 0.03 수준으로 실제 센서 측정값과 거의 유사한 값을 보였다.</p> <p contents-hash="b76a2df8f6aff3147ee790fd2722b6c3cb81339f14f44b48bd7d618660c1c02e" dmcf-pid="UN0ICw4qGp" dmcf-ptype="general">태현철 수석연구원은 “영상 기반 근육 부하 추정은 센서 착용의 불편함을 넘어선 접근”이라고 설명하며, “향후 제조, 물류, 헬스케어 등 다양한 작업 조건에서 근로자의 피로‧부하를 관리할 수 있는 범용 모델로 확장해 나가겠다”고 밝혔다.</p> </section> </div> <p class="" data-translation="true">Copyright © 헤럴드경제. 무단전재 및 재배포 금지.</p> 관련자료 이전 “주차된 테슬라로 AI 돌린다” 머스크, ‘분산형 추론 기술’ 제안 10-30 다음 한국 핵잠수함, “연료만 공급되면 된다”…트럼프 승인에 청신호 10-30 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
