ETRI WEBZINE

AI 기반 화장품 발림성 분석 기술을 개발하게 되신 계기는 무엇인가요?

화장품 산업은 전 세계적으로 빠르게 성장하고 있어요. 그래서 화장품에 대한 소비자의 요구를 이해하는 것이 중요해졌죠. 제품을 개발할 때 퍼짐성과 같은 특성 분석은 여전히 패널 기반의 관능 평가에 의존하고 있는데요. 이러한 평가는 패널 집단을 교육하고 훈련하는 데 상당한 시간과 비용이 소요되고, 개인의 인식 차이에 따른 주관적인 결과를 피하기 어려워요. 그렇다 보니 소비자의 요구를 체계적이고 정량적으로 분석하는 연구가 필요해진 것이죠. 그래서 상업용 화장품의 물리적 특성을 분석하고 이를 효과적으로 규명하기 위한 AI 모델을 연구하게 되었습니다.

기존 패널 기반의 관능 평가 과정과 AI 기반 화장품 발림성 분석 시스템의 평가 과정 비교

딥러닝 학습 외에 단시간 푸리에 변환(STFT)과 연속 웨이블릿 변환(CWT) 기법이 사용되었는데, 발림성 분석에서 어떤 역할을 했는지 설명 부탁드립니다.

이번 연구에서 사용된 분석 기법은 단시간 푸리에 변환(STFT)과 연속 웨이블릿 변환(CWT) 방법이에요. STFT 방법은 음악 분야에서 주로 사용되는 방법인데요. 다양한 주파수 성분이 포함된 음성의 특징을 추출하는 데 사용됩니다. 입력 신호를 일정한 간격으로 분할하고 각 분할에 대해 푸리에 변환을 수행하는 수학적인 방법론이죠. CWT 방법은 주파수의 모함수를 압축하고 확장해 상대적으로 좁은 주파수 범위에서 고해상도의 시간-주파수 신호를 얻어내는 멀티 스케일 기술이고요.

기존에 사용된 발림성 측정 신호는 패널의 관능 평가를 뛰어넘을만한 정확한 결과를 얻을 수 없었어요. 그래서 완전히 새로운 측정 방식을 찾는 것이 필요했죠. 그래서 찾은 것이 음성 분석에 사용하는 STFT와 CWT 방법이었어요.

우리가 지닌 지문을 생각해 보면요. 오돌토돌하게 굴곡이 져 있지요? 이 손으로 화장품을 바를 때 지문에 의해 오돌토돌한 웨이브가 지겠죠? 여기서 측정 방식의 아이디어를 얻었어요. 일반적인 피부에서 나타나는 웨이브는 일정할 텐데, 화장품이 개입하면 웨이브의 모양이 달라질 것으로 생각했죠. 그리고 이 웨이브는 음성의 웨이브와 비슷할 것으로 판단했고요. 그래서 실제 연구에 적용해 보니 노래를 부르다가 마이크가 변조되면 목소리가 바뀌어 주파수가 변하듯, 화장품에 의해서 주파수가 변하는 것을 확인했어요.

이렇게 얻어낸 시간-주파수 신호를 통해 2차원의 등고선 그래프를 그릴 수 있게 되었는데요. 미세하게 달라지는 데이터도 시간-주파수 신호의 등고선 그래프로 표현하게 되니 정확한 측정값을 얻을 수 있게 되더라고요.

단시간 푸리에 변환(STFT) 및 연속 웨이블릿 변환(CWT) 방법의 비교

피부에 화장품을 바르는 행위와 유사한 환경에서 데이터를 획득하셨는데요. 구체적인 환경 설정과 실험 과정은 어떻게 진행됐나요?

사람의 발림성 행위를 묘사하기 위해 손가락을 모사한 팁 구조의 센서를 사용했어요. 손가락으로 손등에 있는 화장품을 바르는 행위와 유사한 환경에서 측정했죠.

팁 형태의 인공피부 구조체에 화장품을 바르고, 압력 센서로 누르고 미끄러지는 동작을 통해 마찰 데이터를 얻었어요. 이 마찰 데이터로부터 질감 속성의 데이터셋과 발림성 특성을 도출해 냈고요. 측정된 데이터를 AI 기법으로 발림성을 분석하고 관능 특성을 비교했죠.

AI 기반 발림성 측정 및 분석 프로세스

고정밀 피부 발림성 측정 장비 및 측정 과정

AI 기반 화장품 발림성 분석 기술의 특징과 장점은 무엇인가요?

기존 전문가 패널들은 화장품이 피부에 도포되어 그 기능을 발휘할 때 발림성을 단순한 기계적인 마찰력이 아니라 소비자가 실제 사용할 때 느껴지는 감성적 요인까지 고려해 판단한다고 알고 있어요. 이전에 프랑스 노르망디대 연구진은 화장품의 에멀젼에서 얻은 피부에 대한 퍼짐성과 마찰 효과에 미치는 영향을 조사해 관능 평가와 비교했지만 단순한 마찰 특성과 ‘±매력도’가 일치하지 않음을 보고한 적이 있고요.^*

그래서 기존 전문가들의 평가는 사람의 복잡한 감각을 사용했기 때문에 단순한 측정 결과와 비교할 수 없다는 한계가 있어요. 개인차는 있겠지만 기존 전문가들의 평가가 일반인들의 평가를 대변할 수 있다고 생각하거든요.

이번 연구는 이 원인을 규명하기보다는 이를 이해하고 AI 기술 관점에서 이 차이점을 극복하려 노력했어요. 상업용 화장품의 질감 특성을 체계적으로, 정량화해 분석한 최근 결과가 있는데요. 판매하는 화장품 에멀젼의 관능 평가 성능을 예측하기 위해 상업용 39개 샘플의 유변학적 데이터를 바탕으로 Artificial Neural Network(ANN) 모델을 이용한 연구예요. 60%에서 84%의 정확도를 보였죠.^**

이외에도 스킨케어 제품의 열 특성을 기계학습 알고리즘을 사용하고 분석해 쿨링감(Coolness)과 촉촉함(Wetness)에 대한 R2 값을 각각 0.802와 0.901로 이전보다 정확한 결과를 도출한 연구도 있고요.^***

이러한 인공지능의 접근 방식은 화장품을 판별하는 데 높은 잠재력을 보여주었지만, 기존에 알려진 AI 분석 방법으로는 정확도를 높이는 데 한계가 있었어요. 하지만 이번 연구에서 사용된 딥러닝 모델은 원시 데이터에서 특징적인 주파수 성분을 자동으로 추출해 정확도를 높여서 화장품을 검출하고 식별할 수 있게 됐죠.

그리고 우리 시스템은 처음에 입력했던 데이터 값이 남아있다는 것이 큰 장점이에요. 타 시스템들은 초기 입력된 데이터 값을 재가공해서 AI 분석을 하기 때문에 시간이 지날수록 초기 데이터가 사라지는 경향이 있거든요. 하지만 초기 데이터가 어느 정도 끝까지 살아남아 있으면서 분석이 진행될 때 정확도를 높일 수 있어요. 이것을 레즈넷(ResNet) 아키텍처라 일컫는데요, 우리 시스템은 레즈넷 아키텍처를 반영했어요. 그래서 분석의 높은 정확도를 얻을 수 있게 됐죠.
* 출처: Biotribology, 2018.
** A. Franzol, T. M. Banin, T. R. Brazil, M.C. Rezende, Rheological Analyses and Artificial Neural Network as Optimization Tools to Predict the Sensory Perception of Cosmetic Emulsions, Materials Research, Vol. 24(6), (2021).
*** Y. Lee, J. Park, A. Choe, Y. E. Shin, J. Kim, J. Myoung, S. Lee, Y. Lee, Y. K. Kim, S. W. Yi, J. Nam, J. Seo, H. Ko, Flexible Pyroresistive Graphene Composites for Artificial Thermosensation Differentiating Materials and Solvent Types, ACS Nano, Vol. 16, (2022), pp. 1208-1219.

연구개발 시 가장 큰 도전 과제는 무엇이었으며 어떻게 해결하셨나요?

우리 기술은 발림성 측정 장치와 AI 기술을 통해 객관적이면서 빠르고, 정확한 결과를 얻기 위해 개발됐어요. 하지만 사람마다 연령, 성별, 인종, 피부 상태가 모두 다르기 때문에 각각의 경우에 대한 실험 조건을 결정하고 객관화하기 위한 비교 데이터가 필요했죠.

그래서 ㈜테라리더, ㈜아모레퍼시픽과 공동 연구를 진행했던 것이 큰 도움이 됐어요. 저희는 분석을 위한 AI 기술을 제공했고, ㈜테라리더는 발림성 분석 시스템을, ㈜아모레퍼시픽은 수요자의 입장에서 제형 샘플을 제공해주시고, 관능 평가와 비교 분석이 가능하도록 기술적으로 협력해 주셨거든요. 이런 협력관계가 없었다면 좋은 결과를 얻기 힘들었을 거예요.

AI 기반 화장품 발림성 분석 기술이 가져올 긍정적 기대효과와 상용화 시기가 궁금합니다.

상용화는 늦어도 내년 상반기에 시작해서 장비가 판매될 것으로 예상해요. ETRI의 AI 기술이 화장품의 사용감을 판별할 수 있는 효과적인 수단으로 사용될 것으로 기대하고 있습니다.

미래에는 로봇이 화장품을 개인의 손등에 문지르는 행위를 할 때 본인의 피부와 적합한 화장품인지를 패널에게 물어보지 않아도 AI가 대답해 줄 수 있기를 희망합니다. 제품 개발 속도가 빨라지는 현재 상황을 고려하면, 제품 개발 과정에서 사람이 관여하는 과정을 로봇과 AI 기술로 대체해 시간과 비용을 줄일 수 있을 것으로 생각해요.

박사님과 지능형부품센서연구실의 추후 연구 계획과 포부를 듣고 싶습니다.

이번 연구는 기존 상업용 화장품 크림을 분류하기 위해 AI 기술을 사용한 화장품, 피부 의약품의 분석 기술을 한 차원 높은 수준으로 끌어올린 혁신적 성과입니다. 향후 전 세계적 불황에도 불구하고 수요를 지속해서 창출해 내는 K-뷰티 산업에서 새로운 소비트렌드 부상과 개인맞춤화에 앞장설 수 있는 기술로 발전시킬 계획이에요.

그리고, ETRI는 향후 온도·습도 센서 등에 관한 연구도 진행해 본 기술이 냉온감, 나아가 향과 색상에 관한 부분도 분석할 수 있도록 연구를 확장할 계획입니다. 아울러 이번 AI 기반 화장품 발림성 분석 기술이 마찰 특성 기반의 의류, 직물의 촉감과 페인트 등 도장 특성 그리고 자동차 타이어 마찰 특성 판별 등 다양한 분야에서 적용될 수 있을 것으로 생각됩니다.