DGIST 장경인 교수 연구팀, 인간 미각 감지 원리를 모방해 실시간으로 짠맛,신맛,떫은맛,단맛 동시에 느끼는 복합 미각 센서 개발

식료 산업 뿐 아니라 화장품, 의약 산업 등 다양한 분야 활용 기대돼

DGIST(총장 이건우) 로봇및기계전자공학과 장경인 교수 연구팀과 KAIST(총장 이광형) 항공우주공학과 최지환 교수 연구팀이 인간 미각을 모방한 인공 전자혀 시스템을 개발했다고 7일(목) 밝혔다. 이 시스템은 센서와 딥러닝 기술을 효과적으로 통합해 실시간으로 짠맛,신맛,떫은맛,단맛을 동시에 정밀하게 측정할 수 있어 식품,주류,화장품 및 의약품 등 다양한 분양에서 활용될 것으로 기대된다.

전자혀는 인공 미각 센서로, 인간의 미각을 모방하여 다양한 맛을 구분하고 세부적인 특징을 정량적으로 평가할 수 있다. 객관적이고 일관된 맛의 평가를 가능하게 해 신제품 개발 및 품질 관리 시 중요한 도구로 활용될 수 있다. 전자혀는 맛물질과 맛세포에 포함된 맛수용체의 화학 반응 결과가 전기적 신호로 변환되어 신경망을 통해 뇌에 전달되며, 뇌는 이 신호를 해석하며 맛을 인식하는 원리로 작동한다. 그러나 기존 연구에서는 전자혀의 센서 부분에 중점을 두고 개발이 이루어져 왔기 때문에 딥러닝 기술과의 통합이 부족하여 높은 정확도와 신뢰성을 유지하는 데 한계가 있었다.

이에 장경인·최지환 교수 연구팀은 센서와 딥러닝 기술을 효과적으로 통합한 전자혀 시스템을 개발하는 데 성공했다. 연구팀은 각각의 맛을 감지할 수 있는 네 가지의 센서를 만들었고, 밀리미터 스케일의 우물 구조(well-structure)를 센서 소자에 제작하여 안정적으로 측정이 가능하게 했다. 또한, 맞춤형 딥러닝 알고리즘을 도입하여 맛 해석을 효과적으로 수행할 수 있도록 했다.

연구팀은 개발한 전자혀 시스템을 활용하여 6종의 와인을 측정하고 맛 프로파일링 실험을 수행했다. 딥러닝 기술을 활용해 6종의 와인을 95%이상의 확률로 구분하는데 성공했으며, 기존 와인과 유사한 와인을 제안하는 추천시스템도 구현했다. 이로써 전자혀 시스템은 다양한 응용 분야에서 활용 가능함이 입증되었다. 나아가, 각종 식품·주류 개발, 화장품, 의약품 등 다양한 분야로 응용 가능성을 넓힐 수 있을 것으로 기대된다.

DGIST 로봇및기계전자공학전공 장경인 교수는 “이번 연구를 통해 개발한 기술은 복합 맛을 측정 가능한 센서-딥러닝 통합 전자혀 시스템으로써 기존에 정량화 하기 힘들었던 미각을 정량적으로 평가할 수 있는 센서-딥러닝 기술”이라며 “다양한 와인을 통해 맛의 구분을 높은 확률로 구분 할 수 있음을 확인했으며, 추후 연구 내용을 더 발전시켜 식료 산업 뿐만 아니라 화장품 또는 의약 산업 등 다양한 분야에서 활용 될 수 있는 기술로 발전시키겠다.”고 말했다.

한편, 이번 연구 결과는 국제학술지인 ‘ACS Applied Materials & Interfaces’ 9월자 온라인 판에 게재되었다.

· · ·

연구결과개요

Taste Bud-Inspired Single-Drop Multitaste Sensing for Comprehensive Flavor Analysis with Deep Learning Algorithms

(Han Hee Jung, Junwoo Yea, Hyunjong Lee, Han Na Jung, Janghwan Jekal, Hyeokjun Lee, Jeongdae Ha, Saehyuck Oh, Soojeong Song, Jieun Son, Tae Sang Yu, Seunggyeom Jung, Chanhee Lee, Jeongho Kwak, Jihwan P. Choi, Kyung-In Jang)

(ACS Applied Materials & Interfaces, on-line published on 25th September, 2023)

본 연구는 전자혀 시스템의 발전에도 불구하고 맛 감지 분야에서 여전히 직면한 두 가지 주요 과제에 대한 혁신적인 접근을 제시합니다. 첫째, 실제 맛을 정확하게 평가하는 것은 시너지 효과나 억제 효과와 같은 미각과 물질 간의 복잡한 상호 작용으로 인해 어려운 문제입니다. 둘째, 특히 동적 조건에서 큰 편차를 가진 데이터에 직면했을 때도 높은 신뢰성을 유지하는 것은 중요한 도전입니다. 본 연구에서는 인간 혀의 미뢰를 모방하고자 여러 개의 미각 센서 어레이를 통합하고, 맛 해석을 위한 맞춤형 딥러닝 알고리즘을 도입하여 생체 영감을 받은 인공 전자혀 시스템을 소개합니다. 개발된 전자혀 시스템은 한 방울의 식이 화합물에서 짠맛, 신맛, 떫은맛, 단맛 등 네 가지 맛을 정확하게 감지할 수 있으며, 뛰어난 가역성과 선택성을 보여냅니다. 또한, 여섯 가지 와인의 맛 프로필은 전자혀 시스템을 활용하여 획득한 것으로, 온라인 사용자 리뷰와의 비교에서 일부 차이가 나타났습니다. 이러한 차이를 보완하기 위해, 본 연구에서는 인공 혀 시스템을 위한 프로토타입 기반 분류기를 도입하였습니다. 소프트 투표(soft voting)를 활용한 이 분류기는 여러 관점에서의 통합된 판단을 제공하여, 6가지 와인을 분류하는 데 최대 95%의 높은 정확도를 달성했습니다. 뿐만 아니라, 데이터의 1/3 이상에 오류가 있는 환경에서도 최대 90%의 분류 정확도를 기록하여 시스템의 견고성을 입증하였습니다. 더 나아가, 본 연구에서는 딥러닝 기술을 활용하여 사용자 경험을 향상시키는 추천 시스템도 소개되었습니다. 이를 통해 사용자들은 맛의 다양성을 경험하며, 높은 수준의 맞춤형 추천을 받을 수 있게 되었습니다. 이와 같은 연구 결과는 전자혀 기술의 발전과 함께 맛 감지 분야에서의 혁신을 나타내며, 음식 및 음료 산업에서의 응용 가능성을 넓히는 데 기여할 것으로 기대됩니다.

· · ·

연구결과문답

Q. 이번 성과 무엇이 다른가?

본 연구에서는 지질막 기반의 미각 센싱 기술과 딥러닝 기술을 조합하여, 인간의 미각 인지부터 정보처리 과정까지 생체모방한 복합 미각 소자 기술을 개발.

Q. 어디에 쓸 수 있나?

식품 침 음료, 화장품, 그리고 의약품 산업 분야 뿐만 아니라, 로보틱스(Robotics), 웨어러블(Wearable) 전자기기, 헬스케어 모니터링(Healthcare Monitoring), 센서(Sensor) 산업 등 다양한 산업에서 활용될 것으로 기대.

Q. 실용화까지 필요한 시간과 과제는?

다양한 산업과 연계하여 실제로 산업에 맞춤형으로 연구를 할 수 있는 후속 단계가 필요하며, 본 연구에서 개발한 4종 이상의 다양한 맛과 물질을 측정할 수 있는 복합 미각 센서와 딥러닝 기술에 대한 추가적인 연구가 진행되어야 함.

Q. 연구를 시작한 계기는?

미각의 작동 원리는 혀에 존재하는 미뢰 속의 맛수용체가 맛을 느끼게 해주는 물질과의 화학반응 결과가 전기적 신호로 변환되어 신경망을 통해 뇌에 전달되며, 뇌는 이 신호를 해석하며 맛을 인식을 한다. 하지만 미각 센서에 대한 연구는 단일 맛에 대한 화학신호를 전기적 신호를 변환하는데 국한돼 실용화하는데 어려움 있음. 현재 다양한 맛을 지닌 음식 또는 주류에 대한 분석의 어려움을 극복하기 위한 연구를 수행함.

Q. 어떤 의미가 있는가?

이번 연구를 통해 개발한 전자혀 시스템은 사람이 인지할 수 있는 다양한 미각 중 짠맛, 신맛, 떫은맛, 단맛 등 총 4가지 미각을 한 센서 플랫폼에서 동시에 실시간으로 측정 가능한 센서이며, 이 4가지 정보를 딥러닝 기술을 통해 사람이 미각을 인지하는 부분까지 모방한 미각 모방 전자혀 시스템이며, 이를 통해 복잡한 미각에 대한 정보를 실시간으로 측정 및 분석이 가능하여 향후 식품, 주류 개발, 화장품, 의약품 개발 등 다양한 분야에 도움이 될 것으로 기대.

Q. 꼭 이루고 싶은 목표는?

앞으로 개발 전자혀 보다 더 다양한 맛을 센서 플렛폼에 적용시고, 딥러닝 기법을 개발하여 다양한 음식과 맛에 대한 표준화를 하는데 일조할 수 있는 인간 미각 모방 전자 혀 시스템 개발 연구를 수행할 것임.

· · ·

그림설명

[그림 1] 센서-딥러닝 기술 결합 기반 인간 미각 모방 전자혀 시스템 개요도

[그림 2] 전자혀 시스템의 센서 성능평가 및 러닝 기법을 통한 와인 구분 결과

(그림설명) a. 전자혀 시스템을 통해 화학정보의 맛을 전기신호 변환된 데이터. 4가지 맛에 대한 반응성, 재현성, 선택성을 보여줌. b. 6가지 와인을 전자혀 시스템을 통해 측정한 데이터와 사람들이 온라인으로 남긴 리뷰 데이터를 비교한 그래프. c. 맛 인지를 위해 적용한 딥러닝 아키텍처 d. 6종 와인 구분 데이터 및 랜덤 와인 1종을 기존 학습 시킨 6종 와인과 비교하여 맛의 비슷한 정도를 보여주는 데이터.