▲연구팀이 개발한 동심 원통형 단일 열유속 센서의 적층 구조(좌)와 실시간 열응답 측정을 위한 성능 검증 실험 장치(우). [수소신문] 물체 표면에 부착한 열유속 센서와 인공지능(AI) 알고리즘을 활용해 내부 온도를 빠르고 정확하게 추정하는 기술이 개발됐다. 센서를 부착한 뒤 불과 30초 만에 평균 오차 0.1℃ 미만으로 내부 온도를 예측할 수 있어 의료와 배터리, 산업설비 등 다양한 분야의 비침습 온도 모니터링 기술로 활용될 전망이다. 김대유 인하대학교 전기컴퓨터공학과 교수 연구팀은 최근 열유속 센서의 초기 신호와 딥러닝 기반 AI 모델을 결합해 물체 내부 온도를 추정하는 기술을 개발했다. 일반적으로 표면 온도는 온도계를 부착해 직접 측정할 수 있지만 주변 환경 변화의 영향을 쉽게 받는다. 반면 물질이나 물체 중심부의 온도를 의미하는 내부 온도(Core Temperature)는 센서를 내부에 직접 삽입하지 않는 한 정확한 측정이 쉽지 않다. 특히 인체 내부 온도나 배터리 셀, 모터, 베어링 등 산업기기 내부 온도를 측정하기 위해서는 대상 내부에 센서를 삽입해야 하는 경우가 많아 상시 모니터링에 한계가 있었다. 표면에 센서를 부착하는 방식도 설치는 간편하지만 센서와 측정 대상 사이의 열전달이 안정화될 때까지 수 분에서 수십 분가량 기다려야 한다는 문제가 있었다 무료야마토 . 연구팀은 이 같은 한계를 극복하기 위해 센서 부착 직후 열유속 신호가 빠르게 변화하는 초기 구간에 주목했다. 열유속 센서에서 측정되는 짧은 시간의 열 특성을 AI 모델이 분석하도록 하고 이를 바탕으로 물체 내부 온도를 역으로 추정하는 방식을 적용했다. 그 결과 별도의 긴 안정화 시간을 거치지 않고 센서 부착 후 30초 만에 평균 오차 0.1℃ 미만의 정확도로 내부 온도를 추정하는 데 성공했다. 이번 기술의 특징은 다양한 측정 대상에 적용할 수 있는 범용성이다. 측정 대상이 달라지더라도 센서 구성 자체를 변경할 필요 없이 대상별 열 특성에 맞는 학습 데이터를 적용하면 내부 온도 추정이 가능하다. 산업 현장에서는 설비를 멈추거나 분해하지 않고도 표면에 센서를 부착하는 것만으로 내부 온도를 확인할 수 있어 설비 상태 진단과 예지보전 분야에서의 활용 가능성이 주목된다. 배터리의 경우 셀 내부 온도 상승을 조기에 감지해 열폭주 위험에 선제적으로 대응할 수 있고 모터와 베어링 등 회전기기에서는 온도 변화를 분석해 이상 징후를 고장 이전에 포착하는 데 활용할 수 있을 것으로 기대된다. 또 기존 설비를 대규모로 교체하지 않고도 센서와 데이터 분석 기술을 접목할 수 있다는 .에서 스마트팩토리 구축과 제조업의 AI 전환(AX)에도 활용 가능성이 크다 오리지날손오공 . 이번 연구 결과는 'Deep-learning-based approach for accurate and rapid estimation of core body temperature using a single heat flux sensor'라는 제목으로 국제학술지 Results in Engineering에 최근 온라인 게재됐다. ▲김대유 인하대 전기컴퓨터공학과 교수(우)와 김한경 인하대 전기컴퓨터공학과 박사과정생(좌), 황철진 센서시스템연구소 책임연구원(가운데) 이번 연구는 김대유 인하대 교수의 지도 아래 김한경 인하대 전기컴퓨터공학과 박사과정생과 황철진 센서시스템연구소 책임연구원이 공동 제1저자로 수행했다. 산업통상부와 한국산업기술진흥원(KIAT)의 산업혁신인재성장지원사업, 범부처전주기의료기기연구개발사업, 과학기술정보통신부와 한국연구재단, 교육부와 한국연구재단의 4단계 두뇌한국21(BK21 FOUR) 사업 등의 지원을 받았다. 김대유 인하대 전기컴퓨터공학과 교수는 "물체 내부에 센서를 삽입하지 않고도 표면에서 얻은 열 흐름 데이터를 기반으로 내부 온도를 빠르게 추정할 수 있다는 .에서 의미가 있다"라며 "향후 의료, 배터리, 모터, 산업설비 등 다양한 분야에서 비침습 온도 모니터링과 예지보전 기술로 활용될 것으로 기대한다"고 말했다. 신호와 딥러닝 기반