Detection of Chicken Meat Adulteration in Cattle Meat Using BME688 Gas Sensor and Convolutional Neural Networks

식품 사기는 비싼 식재재를 이윤을 높이기 위해 몰래 저렴한 것으로 바꾸는 행위로, 전 세계 식품 공급망에 드리운 지속적인 그림자입니다. 이러한 관행은 단순히 소비자를 금전적으로 속이는 것을 넘어, 알레르기 반응을 유발하고 종교적 식단 규범을 위반하며, 우리가 먹는 음식에 대한 신뢰를 무너뜨릴 수 있습니다. 수십 년 동안 이러한 대체 행위를 적발하기 위해서는 샘-플을 실험실로 보내 과학자들이 DNA나 단백질을 분석하기 위해 복잡하고 비싼 기계를 사용하는 과정이 필요했습니다. 이러한 방법들은 정확하긴 하지만, 속도가 느리고 전문적인 교육이 필요하며, 식료품점이나 도축장에서 고기 한 배치가 도착하는 즉시 확인하는 용도로 사용할 수 없다는 단점이 있습니다. 과제는 정확성을 희생하지 않으면서도 빠르고 저렴하게 사기를 감지할 수 있는 방법, 이상적으로는 한 손에 쥘 수 있을 만큼 작은 장치를 찾는 것이었습니다.

터키의 볼루 아반트 이제트 바이살 대학교(Bolu Abant Izzet Baysal University) 연구진은 고기의 순도를 판별하기 위해 고기의 "냄새"를 맡는 시스템을 개발함으로써 이 문제를 해결하는 데 중요한 진전을 이루었습니다. 그들의 연구는 특정하고 흔한 유형의 사기, 즉 더 비싼 소고기에 저렴한 닭고기를 섞는 것에 초점을 맞추고 있습니다. 이 장치는 DNA를 찾는 대신, 고기에서 자연스럽게 피어오르는 보이지 않는 가스 구름을 감지합니다. 모든 신선한 육류는 휘발성 유기 화합물의 독특한 혼합물을 방출하는데, 이는 본질적으로 공기 중으로 떠다니는 아주 작은 화학 분자들입니다. 서로 다른 동물 종은 마치 서로 다른 사람들이 각기 다른 체취를 가진 것처럼 서로 다른 화학적 지문을 생성합니다. 연구진은 이 센서와 합성곱 신경망(convolutional neural network)이라 불리는 인공지능의 일종을 결합하여, 순수한 소고기와 닭고기가 섞인 소고기의 뚜렷한 화학적 지문을 학습하여 인식할 수 있는 전자 코(electronic nose)라는 소형 장치를 구축했습니다.

아이디어를 테스트하기 위해 연구진은 통제된 실험실 환경에서 일련의 육류 혼합물을 준비했습니다. 그들은 동일한 신선도를 가진 다진 소고기와 다진 닭고기를 준비하여 정밀한 비율로 혼합했습니다. 일부 샘플은 순수한 소고기였고, 다른 샘플에는 닭고기가 10%, 20%, 30%, 또는 50% 포함되어 있었습니다. 연구진은 이 고기 패티들을 밀폐된 유리컵에 담고 그 표면 바로 위에 센서 배열을 배치했습니다. 이 연구에 사용된 BME688 센서는 가스, 온도, 습도를 측정할 수 있는 작고 저렴한 칩입니다. 가장 상세한 판독값을 얻기 위해 연구진은 단순히 센서를 가만히 두는 대신, 센서가 네 가지 다른 패턴으로 가열되고 냉각되도록 프로그래밍했습니다. 이러한 온도 변조는 센서가 다양한 화학 물질에 다르게 반응하도록 도와주어, 고기에서 피어오르는 가스 구름을 더욱 풍부하고 상세하게 포착할 수 있게 합니다. 또한 두 개의 센서를 동시에 실행했는데, 하나는 고기 위의 공기를 측정하고 다른 하나는 실내의 깨끗한 공기를 측정하여 배경 소음을 제거하고 고기 자체의 향만을 분리해 냈습니다.

데이터가 수집되면 연구진은 이를 인공지능 모델에 입력했습니다. 이 모델은 두 가지 작업을 동시에 수행하도록 설계되었습니다. 첫째, 모델은 샘플을 "순수 소고기" 또는 "닭고기가 20% 섞인 소고기"와 같이 올바른 범주로 분류하는 분류기(classifier) 역할을 합니다. 둘째, 모델은 혼합물 내 닭고기의 정확한 비율을 추측하는 회귀 모델(regressor) 역할을 합니다. 결과는 놀라울 정도로 정밀했습니다. 단순히 샘플이 어떤 범주에 속하는지를 식별하는 작업에서, 시스템은 센서가 어떤 가열 패턴을 사용했는지와 관계없이 모든 혼합물을 정확히 구별해 내며 테스트 데이터에서 완벽한 정확도를 달-성했습니다. 이는 순수한 소고기와 닭고기가 섞인 소고기 사이의 화학적 차이가 기계가 매번 포착할 수 있을 만큼 뚜렷하다는 것을 의미합니다.

시스템은 또한 닭고기가 정확히 얼마나 포함되어 있는지 추정하는 데 매우 효과적임을 입증했습니다. 가장 성능이 뛰어난 모델인 HP-412라는 특정 가열 패턴을 사용했을 때, 평균 오차는 약 1.5% 포인트에 불과했습니다. 실질적인 관점에서 보면, 만약 고기에 20%의 닭고기가 들어있다면 이 장치는 18.5%에서 21.5% 사이로 추정할 것입니다. 이러한 수준의 정밀도는 단순히 사기의 존재를 탐지하는 것을 넘어, 사기가 얼마나 있는지 정량화할 수 있다는 점에서 중요한데, 이는 규제 기관과 식품 안전 검사관들에게 매우 중요합니다. 이 연구는 스마트한 소프트웨어와 결합된 저비용 센서가 실험실 없이도 복잡한 화학 분석을 수행할 수 있음을 확인시켜 줍니다.

하지만 연구진은 자신들의 연구 결과가 가진 한계를 주의 깊게 언급했습니다. 실험은 엄격한 실험실 조건 하에 준비된 신선한 고기를 사용하여 즉시 제조 및 테스트되었습니다. 이 시스템은 아직 다양한 품종의 소고기, 몇 주 동안 숙성된 고기, 또는 냉동 및 해동된 샘플에 대해서는 테스트되지 않았습니다. 이러한 실제 환경의 변수들은 고기의 화학적 지문을 변화시켜 센서를 혼란에 빠뜨릴 수 있습니다. 저자들은 자신들의 프로토타입이 강력한 개념 증명(proof of concept)이지만, 바쁜 시장이나 가공 공장에서 시스템이 안정적으로 작동하는지 확인하기 위해서는 훨씬 더 다양한 샘로 수집된 샘플을 대상으로 하는 향후 연구가 필요하다고 제안했습니다. 또한 그들은 이 기술을 현장에서 직접 사용할 수 있는 휴대용 핸드헬드 장치로 통합하는 방안을 탐구할 계획입니다.

이 연구는 미래에 식품 안전이 어떻게 모니터링될지에 대한 변화를 강조합니다. 느리고 비싼 실험실 테스트에만 의존하는 대신, 업계는 곧 실시간으로 고기의 진위 여부를 스크리닝할 수 있는 빠르고 비파괴적인 도구를 갖게 될 수 있습니다. 작은 저비용 센서가 닭고기가 섞인 소고기와 순수 소고기를 높은 정확도로 구별할 수 있음을 입증함으로써, 이 연구는 새로운 세대의 식품 안전 기술을 위한 문을 열었습니다. 이러한 도구들은 결국 음식 자체의 미묘한 화학적 속삭임에 귀를 기울임으로써 소비자 보호, 공정 거래 보장, 그리고 식품 공급망의 무결성을 유지하는 데 기여할 수 있습니다.