세종대학교(총장 엄종화) 식품생명공학과 심순미 교수 연구팀이 농촌진흥청 국립농업과학원 등 공동연구진과 함께 초분광 영상(Hyperspectral Imaging, HSI)과 인공지능(AI) 기반 머신러닝을 결합해 달걀과 계란 가공식품의 이물질을 제품 훼손 없이 검출할 수 있는 기술적 가능성을 확인했다.

이번 연구는 농촌진흥청 「농업과학기술 공동연구개발사업」(과제번호 RS-2022-RD010281)의 지원을 받아 수행된 연구 성과다. 연구 결과는 식품 품질·안전 분야 국제 학술지 「Quality Assurance and Safety of Crops & Foods」에 2026년 10월 22일 온라인 게재됐다.

계란 가공식품 제조 과정에서는 달걀껍데기뿐 아니라 종이, 비닐, 플라스틱, 고무, 나뭇가지, 금속 조각 등 다양한 이물질이 혼입될 수 있다. 특히 식품과 색상이 비슷한 이물질은 일반적인 육안 검사나 컬러 영상만으로 구분하기 어려운 경우가 있어, 보다 정밀하면서도 식품을 손상시키지 않는 검사 방법이 요구된다.

연구팀은 900~1,700nm 파장 범위의 초분광 카메라를 활용해 달걀 표면의 분변 오염과 계란말이·오믈렛에 배치한 7종 이물질(나뭇가지, 칼 조각, 고무, 달걀껍데기, 종이, 비닐, 플라스틱)의 빛 반사 특성을 분석했다. 이어 분광각 매퍼(Spectral Angle Mapper, SAM)로 이물질 위치를 시각화하고, 부분최소제곱 판별분석(PLS-DA)과 로지스틱 회귀 머신러닝 모델을 통해 이물질 존재 여부를 판별했다. 추가로 서포트 벡터 머신(SVM)을 활용해 분석 결과를 비교 검토했다.

분석 결과, 달걀 표면의 분변 오염을 대상으로 한 로지스틱 회귀 모델은 시험 데이터에서 100%의 분류 정확도를 보였다. 계란말이의 개별 이물질 검출에서는 PLS-DA 모델의 시험 데이터 민감도가 이물질 종류에 따라 99.87~100%로 나타났다. 여러 이물질이 불규칙하게 배치된 조건에서 실시한 5겹 교차검증에서는 로지스틱 회귀 모델의 평균 ROC-AUC가 계란말이 1.000, 오믈렛 0.993으로 나타나 높은 구별 능력을 확인했다. 다만 해당 수치는 통제된 실험환경에서 확보한 영상·픽셀 데이터에 대한 분석 결과다.

연구의 의의는 달걀 표면의 오염뿐 아니라 구성과 색상이 서로 다른 계란 가공식품에서 다양한 이물질의 분광 특성을 활용할 수 있음을 확인했다는 데 있다. 특히 상대적으로 구조가 단순하고 해석이 가능한 머신러닝 모델을 적용해, 향후 식품 제조공정의 자동화된 품질검사 시스템으로 발전시킬 수 있는 기초자료를 제시했다.

심순미 교수는 “식품을 자르거나 손상시키지 않고도 이물질과 식품이 빛을 반사하는 특성의 차이를 분석할 수 있다는 점이 이번 연구의 핵심”이라며 “앞으로 생산 배치, 이물질 위치와 깊이, 컨베이어 이동 등 실제 공정 조건을 반영한 후속 검증을 통해 식품 안전관리의 자동화 가능성을 높여가겠다”고 말했다.

한편 이번 연구에는 세종대학교를 비롯해 농촌진흥청 국립농업과학원, 경희대학교, 한양대학교, 배화여자대학교 소속 연구진이 참여했다. 연구팀은 실제 제조현장 적용을 위해 독립적인 생산 배치와 보다 다양한 시료를 활용한 검증, 생산라인 조건에서의 성능 평가, 이물질 종류를 자동으로 식별하는 기술 개발 등이 추가로 필요하다고 설명했다.