영상만으로 근육 부하 측정… 생기원, 센서 없이도 예측 가능한 AI 모델 개발

• 영상·3D 데이터 융합한 AI 근활성도 예측
• 시간 흐름 따라 누적 부하까지 예측

산업 현장에서 근로자의 피로 누적과 근골격계 질환을 예방하기 위해서는 근육 부하를 정밀하게 측정하는 기술이 필수적이다. 그러나 기존의 근전도(EMG) 센서는 장시간 착용이 어렵고, 땀이나 작업복의 영향을 받아 실시간 현장 활용에 한계가 있었다.

한국생산기술연구원(원장 이상목) 연구팀이 이러한 제약을 해결하기 위해 카메라 영상만으로 근육 부하를 예측하는 인공지능(AI) 모델을 개발했다. 태현철 제조AI연구센터 수석연구원 연구팀은 30일, 작업 영상 분석만으로 최대 근력 대비 사용 비율(%MVC)을 계산할 수 있는 ‘영상 기반 근활성도 추정 솔루션’을 공개했다.

연구팀은 반복 작업 실험을 통해 영상과 근전도 신호를 정밀 동기화한 학습용 데이터셋을 구축했다. 실험 참여자의 주요 근육 부위에 근전도 센서를 부착하고, 집기·운반·들기 등 산업현장에서 자주 수행되는 5가지 대표 동작을 촬영했다. 이후 영상 데이터를 3차원 인체 뼈대(3D 스켈레톤) 형태로 변환하고, 신장·체중 등 개인 신체 특성을 함께 매칭해 근전도 추정 학습 데이터를 확보했다.

이 데이터로 학습된 AI 모델은 영상의 시각정보, 인체 움직임(3D 스켈레톤), 개인 신체 특성을 동시에 인식하는 멀티모달 학습 구조를 채택했다. 이를 통해 동일한 작업이라도 사람마다 다른 근육 부하 차이를 정밀하게 분석할 수 있으며, 장비나 환경의 제약 없이 근육 피로 상태를 실시간 추정할 수 있다.

연구팀은 동작의 시간적 변화를 반영하기 위해 합성신경망(Temporal CNN)과 다층신경망(MLP)을 결합해 모델을 고도화했다. 이 구조를 통해 ‘들기-이동-내려놓기’처럼 연속된 작업의 근육 부하 변화를 시계열로 예측할 수 있으며, 단순한 순간 동작 분석을 넘어 시간에 따라 누적되는 피로도와 부하 변동까지 파악할 수 있게 됐다.

AI 예측 결과를 실제 근전도 측정값과 비교한 실험에서는 평균 오차(RMSE) 0.05, 절대 오차(MAE) 0.03으로 센서 기반 측정값과 거의 일치하는 수준을 보였다.

태현철 수석연구원은 “이 기술은 근전도 센서 없이도 근육의 부하와 피로도를 추정할 수 있는 기반이 될 것”이라며 “제조·물류·헬스케어 등 다양한 산업 분야에서 근로자 안전과 작업 효율을 동시에 관리할 수 있는 범용 모델로 발전시킬 계획”이라고 말했다.

김지윤 기자/ hello@sciencewave.kr