국내 연구진이 인공지능(AI) 광(光)기술을 활용해 소고기의 신선도를 측정하는 새로운 기술을 개발했다. 이 기술을 탑재한 기기도 개발되고 있어, 머지않아 일반 가정에서 누구나 육류의 신선도를 정확하고 빠르게 알 수 있을 것으로 전망된다. 

광주과학기술원(GIST‧지스트‧총장 김기선) 융합기술원 이규빈 교수와 의생명공학과 김재관 교수 공동연구진은 쇠고기에서 스펙트럼을 획득한 후 미오글로빈 정보를 추출해 소고기의 신선도를 빠르고 손상 없이 측정할 수 있는 딥러닝 기반의 기술을 개발했다고 12일 밝혔다. 연구결과는 식품화학 분야 국제 학술지 ‘푸드 케미스트리’에 2월 23일 온라인으로 게재됐다.

그동안 소고기 등 육류에서 신선도의 저하를 측정할 수 있는 방법은 크게 화학적 분석방법과 미생물학적 분석방법이 쓰였다. 하지만 두 방법 모두 시간이 오래 걸리고 측정하는 과정에서 육류가 손상된다는 단점이 있었다. 최근 이러한 한계를 극복하기 위해 각종 연구들이 진행되고 있으나, 대부분 고가의 장비가 필요하거나 시스템이 매우 복잡하고 측정 환경에 민감해 온도와 습도가 통제된 환경에서만 사용 가능하다는 한계가 있다.

이에 연구진은 의생명공학 분야에서 많이 적용되고 있는 확산광 반사 분광기법과 다양한 분야에서 폭넓게 응용되고 있는 딥러닝을 적용해 기존의 문제점을 해결했다. 연구진은 빛 기술을 통해 소고기의 저장 기간이 길어질 때 신선도가 저하됨과 동시에 스펙트럼 정보와 미오글로빈 정보가 변화함을 확인했다. 

미오글로빈은 포유류의 근육 조직에서 발견되는 단백질로, 산소와 결합하면 붉은색을 띤다. 연구진은 육류가 상했을 때 미오글로빈의 함량이 달라져 색이 옅어진다는 사실에 착안했다. 소고기에 분광기를 쪼여 소고기 색에 따른 미오글로빈의 함량과 스펙트럼 정보를 조사했다. 

확산광 반사 분광 시스템은 비교적 구성이 간단하며 전체적인 시스템의 비용 또한 상대적으로 저렴하다는 장점이 있다. 또한 기존 연구들과는 달리 물의 영향이 적은 파장 대역을 선택적으로 이용해 온도와 습도 같은 주변 환경에 견고함을 실험을 통해 입증했다.

이규빈 교수와 김재관 교수는 “연구를 통해 개발된 기술은 기존 육류 신선도 측정 방법들의 한계로 지적된 긴 측정 시간, 측정 과정에서의 육류 손상, 실험자의 숙련도에 따른 결과에서의 오차 발생 등을 해결했다”면서 “비교적 저렴한 가격으로 통상적인 환경에서 사용 가능해 앞으로 식품 안전 분야에서 폭넓은 응용 가능성이 기대된다”고 말했다. 이번 연구는 지스트 이규빈 교수와 김재관 교수가 주도하고 박사과정의 신성호 융합기술원 연구원, 이영주 의생명공학과 연구원이 참여했다. 

◆ 미니인터뷰 - 신성호 융합기술원 연구원(논문 공동 제1저자)

Q. 연구 배경에 대해.  
"육류의 근육조직에서 발견되는 단백질인 미오글로빈을 측정하는 것에 그치지 않고 신선도까지 알 수 있으면 좋겠다고 생각했다. 육류 샘플을 통해 얻은 방대한 데이터를 AI에 학습시켜 딥러닝 모델을 만들었다." 

Q. 연구 과정서 힘들었던 점은. 
"모든 공동 연구의 애로사항일 수도 있겠지만, 각 연구자들의 연구 분야와 배경이 다르다보니 끈끈한 소통과 협업이 필요하다. 의생명공학을 연구하는 이영주 연구원이 함께 고생했다. 분광기 실험을 하다가 인공지능을 배워 코드도 함께 개발했다. 전공간의 융합이라고 할 수 있겠다."

Q. 소고기 외 양고기, 돼지고기의 신선도를 파악하는 것도 가능할까.
"마이오글로빈이라는 단백질이 굵은 육류에 분포한다. 다양한 샘플을 획득해 연구할 계획이다. 상용화 단계까지 탄력 있는 연구를 진행할 예정이다."

Q. 상용화를 위해 어떤 분야의 연구가 더 필요하나.
"추가적으로 연구할 것들이 있다. 이번 연구는 어느 정도 수준의 분광기를 사용했다고 하더라도 실제 상용화되기 어렵다. 다른 분광기를 이용해 개발하는 연구도 진행 중이다. 소고기 외에도 다른 고기 연구도 진행하기 위해 샘플들을 대상으로 학습데이터를 구축하고 있다." 

Q. 가정에 도입된다면 큰 도움이 될 것 같다.
"가정에서 육류의 신선도를 판단하기 어렵다. 이를 돕기 위한 기기를 보급하려고 한다. 예컨데 가정에서 5일 지난 고기를 먹어도 될지 안 될지를 분류할 수 있는 기기를 제공하려고 한다. 추가 연구도 기술의 대중화를 위한 방향으로 잡고 있다."

Q. 끝으로 한 말씀. 
"그동안 인공지능을 전공하면서 잘 만들어진 데이터셋에서만 학습하고 평가를 진행했는데 본 연구를 통해 실생활에 밀접한 데이터를 분류해볼 수 있어서 좋았다. 평소 클라우드 로보틱스를 연구하고 있는데, 향후 실제 AI 기술을 연구실 단위에서 개발하는 것 뿐만 아니라 클라우드처럼 상용화된 서비스에서 다양한 사용자들이 사용할 수 있도록 하는 것이 목표다."

AI타임스 유형동 기자 yhd@aitimes.com
원문 출처:  AI타임즈