소고기 신선도 분류를 위한 심층 스펙트럼 네트워크 개략도(사진. 광주과학기술원).

 

광주과학기술원(이하 지스트) 융합기술원 이규빈 교수와 의생명공학과 김재관 교수 공동연구팀은 쇠고기에서 스펙트럼을 획득한 후 미오글로빈 정보를 추출, 쇠고기의 신선도를 빠르고 손상없이 측정할 수 있는 딥러닝 기반의 기술을 개발했다.

연구팀은 소고기의 저장 기간이 길어질 때 신선도가 저하됨과 동시에 스펙트럼 정보와 미오글로빈 정보가 변화함을 확산광 반사 분광기법을 통해 확인했고, 이러한 정보 변화를 딥러닝 모델이 학습해 신선도를 분류하는 데 성공했다.

 

육류에서 신선도의 저하를 측정할 수 있는 방법은 크게 화학적 분석방법과 미생물학적 분석방법이 있으나 두 방법 모두 시간이 오래 걸리고 측정하는 과정에서 육류가 손상되며, 측정 결과의 정확도가 실험자의 숙련도에 따라 크게 달라질 수 있다는 단점이 있다.

 

최근 이러한 한계를 극복하기 위해 육류의 손상을 최대한 줄이면서 빠르게 신선도를 측정할 수 있는 연구들이 진행되고 있으나, 대부분 고가의 장비가 필요하며 시스템이 매우 복잡하고, 측정 환경에 민감하여 온도와 습도가 통제된 환경에서만 사용 가능하다는 한계가 있다. 

 

본 연구팀은 기존에 의생명 공학 분야에서 많이 적용되고 있는 확산광 반사 분광기법과 다양한 분야에서 폭넓게 응용되고 있는 딥러닝을 적용, 기존의 문제점을 해결하는 데 성공했다. 

 

확산광 반사 분광 시스템은 스펙트로미터, 백색광 그리고 광섬유로 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 실험으로 입증했다.

 

이규빈 교수와 김재관 교수는 “본 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”라며, “비교적 저렴한 가격으로 통상적인 환경에서 사용 가능해 향후 식품 안전 분야에서 폭넓은 응용 가능성이 기대된다”고 말했다.