학 술 논 문 39
산업 종사자 안전 강화를 위한 다기능 안전 헬멧 기반 중앙감시
플랫폼 프로토타입 개발
김건호
1ǂ· 이홍제
2ǂ· 윤성욱
3· 남경원
1,3,4*
1부산대학교 의과대학 의공학교실, 2동남권원자력의학원 핵의학과 3양산부산대학교병원 의공학과, 4양산부산대학교병원 의생명융합연구원Development of a Multi-Functional Safety Helmet-based Central
Monitoring Platform for the Safety Improvement of Industrial
Workers: A Preliminary Study
Gun Ho Kim
1ǂ, Hong Je Lee
2ǂ, Sung Uk Yun
3and Kyoung Won Nam
1,3,4*
1Department of Biomedical Engineering, School of Medicine, Pusan National University, Yangsan, Korea 2Department of Nuclear Medicine, Dongnam Institute of Radiological & Medical Sciences, Busan, Korea 3Department of Biomedical Engineering, Pusan National University Yangsan Hospital, Yangsan, Korea
4Research Institute for Convergence of Biomedical Science and Technology,
Pusan National University Yangsan Hospital, Yangsan, Korea
(Manuscript received 16 February 2021 ; revised 23 March 2021 ; accepted 7 April 2021)
Abstract: Purpose: In this study, we proposed a multi-functional safety helmet-based central monitoring platform to improve the safety of industrial workers. Materials and Methods: The manufactured prototype safety helmet contained sensors to detect heart rate, body temperature, wearing state, movement state and shock state. Imple-mented HTML-based central monitoring platform receives real-time measurements from the helmet via a wifi net-work, stores data into the SQL table, and displays real-time and historical data of the measurements using chrome web browser. Results: Experimental results showed that heart rate measurements of the helmet were 29.37 ± 0.49 bpm, 59.50 ± 0.51 bpm and 159.57 ± 1.41 bpm when the setting of the utilized ECG simulator was 30, 60 and 160 bpm. Temperature measurements of the helmet were 29.26 ± 0.43 °C, 30.67 ± 0.40 °C, 31.35 ± 0.33 °C, 34.01 ± 0.23 °C, 35.27 ± 0.16 °C, 36.12 ± 0.30 °C, 39.43 ± 0.23 °C and 41.74 ± 0.35 °C when the measurements of the reference tem-perature sensor were 30, 32, 34, 36, 38, 40, 42 and 44 °C, respectively, and the linear regression [Y = AX + B; A = 0.873, B = 0.412, R2= 0.972] was applied to the measurements to reduce sensor error. In addition, the imple-mented automatic black-out detection algorithm showed almost 100% accuracies during the experiments. Conclusion: Based on these experimental results, we expect that the proposed central monitoring platform showed the possibility to improve the safety of industrial workers, although more dedicated monitoring functions should be added to the current prototype system in future studies.
Key words: Safety helmet, Industrial worker, Central monitoring, HTML
I. 서
론
사물인터넷 기반 웨어러블 모니터링 기술의 발전에 따라 해당 기술을 산업안전 분야에 접목하여 현장 작업 노동자의 건강관리 및 안전강화를 도모하려는 시도는 국내·외 광산업 계, 건설업계, 원전업계 등을 중심으로 활발히 진행되어 왔 *Corresponding Author : Kyoung Won Nam
Department of Biomedical Engineering, School of Medicine, Pusan National University
Tel: +82-51-510-8119 E-mail: [email protected] ǂContributed equally to this work.
본 논문은 한국수력원자력㈜에서 재원을 부담하여 부산대학교 및 양 산부산대학교병원에서 공동으로 수행한 연구결과입니다(2018 K-CLOUD 사업. No. 안전-3).
40 다[1-6]. 최근 국내에서도 LG 유플러스, KT 등의 통신회사 및 다수의 민간업체에서 LTE/5G 라우터를 탑재하여 음성대화 및 HD 영상전송이 가능한 스마트 헬멧을 시판 중에 있으며, 그 외에도 노동자 안전관리 개선을 위해 인공지능 및 웨어 러블 센서들을 활용한 다양한 연구 결과들이 발표된 바 있다. 일례로, 해외의 경우 Wang 등이 감시카메라 영상에 대한 SSD Neural Network 모델 분석을 통해 안전모 착용 여부를 중 앙감시하는 기술을 제안한 바 있으며[7], Aliyev 등은 안전모 내부에 기압센서, 전면장애물센서, 착용감지센서, CO2센서,
조명센서, 연기센서, IR거리센서, IMU센서, Pulse Oximeter, 피부온도센서 등을 모두 장착한 스마트 안전모를 제안한 바 있다[8]. 국내에서도 Jeon 등이 CCTV 영상에 대한 딥 러닝 분석을 통해 작업자의 안전모, 안전조끼, 안전벨트 착용 여부를 자동으로 판정하는 실시간 작업자 안전관리 시스템을 제안한 바 있으며[9], Seo 등이 Bluetooth Beacon 을 이용하여 착 용자의 위치 정보를 파악하고 가속도센서, 가스센서, 초음파 거리센서를 헬멧에 탑재하여 환경가스 및 동작상태를 감시 하는 건설현장 안전관리 시스템을 제안한 바 있으며[10], Ahn 등이 카메라, 충격센서, 도어락센서를 탑재하여 작업자의 주변 영상 정보, 충격 감지 정보, 안전모 착용 여부를 중앙 감시할 수 있는 스마트 안전모를 제안한 바 있으며[11], Lee 등이 근로자의 추락사고 인지 기능과 유해가스 누출 감지 기능을 포함하는 스마트 안전모를 제안한 바 있다[12]. 이러한 기존 연구결과들을 살펴볼 때 Wang, Jeon 등[7,9] 이 제 안한 기술의 경우 감시 대상이 CCTV 등의 영상감시장치 촬영 범위 내에 있어야만 확인 가능하다는 점과, 안전 장비의 신체 착용 여부 감지 이외의 기능은 없다는 한계가 있었으며, Seo, Ahn, Lee 등[10-12] 이 제안한 스마트 안전모의 경우 신 체 동작 및 유해환경 분석 기능은 있으나 착용자의 생체신호 동시 분석 기능이 없다는 단점이 있었다. Aliyev 등 [8] 이 제안한 HeadgearX 시스템의 경우 10종에 달하는 센서들을 헬 멧에 탑재하였으나, 반드시 착용자가 Bluetooth tethering이 되는 스마트폰을 휴대하고 있어야 중앙 감시가 가능하다는 단점이 있어 작업 중 스마트폰 휴대가 금지되거나 제한되는 곳에서의 사용에 제한이 있다는 문제가 있었으며, 단순히 개 별 측정값들을 감시자에게 보여주는 스트리밍 기능만 제공 할 뿐 측정값을 활용하여 시스템 자체적으로 착용자의 응급 상태 여부를 자가 감시하는 기능은 포함되어 있지 않다는 한계가 있었다. 실제 작업 현장에서 예기치 못한 사고가 발 생했을 때 작업자가 의식이 있는 경우에는 스마트폰 등으로 응급구조 요청을 할 수 있으나, 추락, 중독 등에 의해 구조 요청을 하기 전에 작업자의 의식이 소실된 상황에서는 골든 타임이 경과한 이후에 발견 및 응급 대처가 이루어질 가능 성이 매우 높다. 따라서, 안전모에 착용자의 실신 여부를 조 기에 감지하여 관리자에게 경고를 보내주는 기능이 있을 경 우 실제 현장에서의 효용성을 보다 높일 수 있다. 하지만, 헬멧에 탑재된 센서들을 통해 측정된 다양한 정보들을 체계 적으로 분석하여 사고, 중독 등으로 인해 헬멧 착용자의 의 식 소실이 의심되는 상황을 조기 감지하는 기능을 포함하는 스마트 안전 헬멧 관련 연구는 아직 없는 것으로 조사되었 다(표 1). 본 연구에서는, 현장 작업 노동자의 작업 중 발생 가능한 이상 신체 상태 및 응급 상황 조기 감지 기능을 포함하는 다기능 안전 헬멧 기반 원격 감시 플랫폼을 제안하였다.
II. 연구 방법
1. 시스템 개요 본 연구에서 목표로 하는 다기능 안전 헬멧 기반 원격 감 시 플랫폼의 전체 개요는 그림 1과 같다. 개별 현장 작업자가 착용 중인 안전 헬멧에 착용자의 이상 신체 상태 및 응급상 황 발생 조기 감지를 위한 다양한 기능들을 탑재하고, 무선 통신망을 통해 측정된 정보들을 중앙 감시 서버로 전송하면, 서버에서는 수신된 정보들을 자동 분석하여 이상 신체 상황 및 응급상황 발생을 조기에 감지할 수 있도록 하고자 하였 다. 본 연구에서는 별도의 스마트폰 중계 기능이 필요 없고 표 1. 본 연구에서 개발된 안전 헬멧과 생체신호 감지 기능을 포함한 기존 안전 헬멧 간 성능 차이 비교표Table 1. Comparison between the currently-proposed safety helmet and the previously-proposed safety helmets
Ref. Non-biosignal Detecton Biosignal Detection Communication Black-out Detection
[1] X IMU, EEG Bluetooth X
[8] Wear, CO2, Proximity, Atmosphere, Light, Smoke
IMU, SpO2, Skin Temperature
Bluetooth X
[10] BLE Beacon, CO, Proximity IMU Bluetooth X
[11] Wear, Shock, Camera X Wifi X
[12] Wear, CO IMU Bluetooth X
[16] Wear, Proximity, Vibration, GPS Alcohol GSM X
41 사용 단말기의 OS 종류와 무관하게 서버 및 모바일 동시 감시가 가능한 표준 HTML5-Javascript 기반 실시간 원격 감시체계 구축을 목표로 하였으며, 개발의 편의를 위해 전 체 헬멧 제어기들 및 원격감시 서버, 노트북, 태블릿, 스마 트폰 등이 모두 단일 인터넷 액세스 포인트에 연결되어 있 다고 가정하였다. 2. 다기능 안전 헬멧 프로토타입 제작 본 연구에서 구상한 다기능 안전 헬멧의 전체 구성은 그림 2A와 같다. 상용 안전 헬멧(SHH-3005; SSTOP Co. Ltd., Busan, Korea)의 안전 내피 상단과 헬멧 내벽 상부 사이의 빈 공간에 충격감지센서, 동작감지센서 및 통신 모듈이 통합된 제어기와 배터리를 배치하고, 헬멧 내벽의 측면에는 착용감 지센서 및 체온감지센서, ear-PPG기반 심박감지센서를 장 착하였다. 제어기 및 배터리가 탑재될 공간 확보를 위해 헬 멧 내벽에 접착 고정되는 링 및 고정된 링에 나사로 고정되는 하판의 치수 및 형상을 3D CAD 프로그램(SolidEdge ST5;
Siemens PLM Software, Plano, US)으로 랜더링 한 후, 3D 프린터(CreatBot F430; Henan Suwei Electronic Technology Co. Ltd, Zhengzhou, China)를 이용하여 PLA 재질 필라 멘트(Z-PLA ProTM; Zortrax S.A., Olsztyn, Poland)로 직접
출력하였다(그림 2B). 본 연구에서는, 프로토타입 제작의 편 의성을 위해 제어기(MKR1000; Arduino Corporate, Somerville, MA, USA), 충격감지센서(SEN0209; Zhiwei Robotics Corp., Shanghai, China), 동작감지센서(GY-9250; JK EMC, Seoul, Korea), 착용감지센서(GP2Y0A51SK0F Analog Distance Sensor; Sharp Corporation, Osaka, Japan), 체온감지센서(SEN0206; Zhiwei Robotics Corp., Shanghai, China), 심박감지센서(SEN-11574 Pulse Sensor; SparkFun Electronics, Niwot, Colorado, USA) 모두 상용 제품들을 구매, 조합하여 사용하였다. 심박감지센서를 통해 측정된 ear-PPG 펄스 신호가 제어 기로 입력되면, 입력된 아날로그 신호를 200 Hz로 디지털화 한 후, 1) 입력값이 지정된 Threshold 값을 초과하는 순간의 시간값(Last_Peak_Time)을 기록하고, 2) 다음 번에 입력값이 Threshold 값을 초과하는 순간의 시간값(Cur_Peak_Time)을 기록한 후, 3) Cur_Peak_Time과 Last_Peak_Time 간 시 간차(Inter-Beat Interval; IBI)를 계산하고, 4) 6000/IBI으 로 계산된 심박동수 값을 제어기 내부 버퍼에 저장하고, 5) Cur_Peak_Time 값을 Last_Peak_Time에 입력한 후, 6) 단계 2~5를 반복 수행하도록 구현하였다. 3. HTML5 기반 원격감시 플랫폼 프로토타입 제작 그림 3은 본 연구에서 구현한 다기능 안전 헬멧 기반 중 앙감시체계의 전체적인 Request/Response 구조를 나타낸 다. 개별 작업자가 착용하고 있는 안전 헬멧이 원격감시서 버에 접속을 요청하면, 서버 플랫폼에서는 요청 기기의 고 그림 1. 다기능 헬멧 기반 중앙 감시 플랫폼 개요 (a) 와이파이 기반 다중 접속 중앙 감시 체계 예시도 (b) HTML 기반 다종 단말장치 실시 간 감시 체계 예시도
Fig. 1. Scheme of helmet-based central monitoring system for radiation workers (a) Wifi-based central monitoring (b) HTML-based web monitoring on various terminal devices
그림 2. 다기능 헬멧 프로토타입 설계 예시 (a) 헬멧 내부 구성도 (b) 헬멧 내 제어기 탑재를 위한 타원링 및 하판 3D 드로잉
Fig. 2. Scheme of the implemented prototype helmet (a) Structure of the helmet (b) 3D rendering of internal parts to equip the controller in the helmet
42 유번호(ID)를 확인하여 사전에 접속 승인된 기기인지 여부를 먼저 확인하고, 이후 추가 입력된 로그인 정보를 확인하여 서버 접속 허용 여부를 최종 결정한다. 특정 안전 헬멧의 서버 접속이 최종적으로 허용되면, 이후 해당 기기로부터 수신되는 실시간 정보는 서버 내 SQL 테이블에 자동 저장되고, 이후 서버 및 모바일 단말장치에서 크롬, 사파리 등의 웹 브라우 저를 이용하여 SQL 테이블에 저장되어 있는 실시간 정보 및 히스토리 정보를 확인할 수 있다. 본 연구에서는 MSSQL 버전 18.8, Tomcat 버전 8.5를 이용하여 서버 내 TCP/IP 통신부를 구성하였으며, 헬멧-서버 간 통신은 포트 7000으로, 서버-단말장치 간 통신은 포트 8080을 통해 수행되도록 각 각 설정하였다. 서버 관리자는 플랫폼 SW를 통해 서버에 연결 가능한 단말장치의 ID 목록 및 로그인 가능 개인정보 (부서코드, 팀코드, 개인ID, 착용장비ID 등)를 임의로 추가, 삭제, 수정할 수 있으며, 서버 관리자가 특정 헬멧의 ID와 특정 개인의 ID 를 임의로 조합하여 현재 작업 중인 모든 개인들의 상태 정보를 원격으로 실시간 다중 감시할 수 있 도록 구현하였다. 본 연구에서는 서버 플랫폼의 감시 기능을 크게 실시간 감시 모드와 히스토리 확인 모드로 구분하여 구현하였다. 전자의 경우 서버에 동시 연결된 작업팀 및 개 인의 심박동수, 체온 변화를 나타내는 실시간 그래프(SQL 테이블에서 SELECT TOP 1쿼리 사용)와 함께, 각 신호의 정상·비정상 패턴 발생 여부, 헬멧 장기 미착용 여부, 헬멧 장기 미동작 여부, 헬멧 충격발생 여부에 대한 자가 분석 결과를 TextArea에 자동 출력하도록 하였다. 히스토리 확인 모드 에서는 지정된 기간 동안 선택된 작업자에게서 수신된 전체 생체신호 패턴 및 비정상·충격 발생 목록정보를 한꺼번에 확 인할 수 있도록 구현하였다. 4. 이상 신체 상황 및 응급 상황 자가 감지 프로토콜 개발 본 연구에서 제작된 다기능 안전 헬멧은 지정된 시간 주 기마다 원격감시서버로 심박동수, 체온, 착용/비착용 여부, 동작/정지 여부, 충격발생 여부 정보를 전송한다. 먼저, 서 버에서는 수신된 심박동수 및 체온의 적정성 여부를 평가하 기 위해, 헬멧을 착용한 상태에서 사전에 설정된 High/Low Threshold 값과 개별 수신값을 상호 비교하여, 각 신호의 적정성 여부를 정상 (0), 낮음 (1) 혹은 높음 (2)으로 SQL 테이블에 기록하도록 구현하였다. 또한, 서버 접속이 시작되고 헬멧 착용이 감지된 이후 설정된 Threshold 기간 이상의 연속 비착용이 감지된 경우, 설정된 Threshold 기간 이상 동안 일정 수준의 동작이 감지되지 않은 경우, 그리고 일정 수준 이상의 충격이 감지된 경우에는 해당 이벤트의 발생 여부를 정상(0 – 착용/동작/무충격) 혹은 비정상(1 – 비착용/ 무동작/충격)으로 SQL 테이블에 기록하도록 구현하였다. 이 후 플랫폼 SW는 주기적으로 SQL 테이블 내 지정된 열의 값을 확인하여, 이상상황 및 응급상황이 발생한 경우 이를 TextArea에 자동 출력하도록 하였다. 그림 4는 측정된 개별 신호들을 조합하여 헬멧 착용자의 비정상적 실신 여부를 자가 판정하기 위한 알고리즘의 구조를 나타낸다. 본 연구에서는 일행과 따로 떨어져서 홀로 작업 중이던 현장 노동자가 부정맥, 고열과 같은 신체적 이상, 충 격, 추락, 중독 등의 외부적 사유로 인해 실신 상태에 빠지 그림 3. 헬멧, 서버, 감시장치 간 SW 구조
Fig. 3. Software structure among the implemented server, clients and display terminals
그림 4. 헬멧 착용자의 비정상적 실신 여부 자가 판정을 위한 알고리 즘 흐름도
Fig. 4. Flow-chart of the implemented automatic black-out detection algorithm
43 거나, 소규모의 고립된 작업팀 전체가 국소적인 유해가스 누 출 중독 등의 사유로 단체 실신 상태에 빠지는 응급상황을 상정하여, 다음과 같은 실신 판정 프로토콜을 설정하였다: 1) 부정맥, 고열 등 갑작스러운 신체이상, 외부충격, 추락, 중독으로 인해 바닥에 쓰러진 후 실신 상태 진입: 충격 감지 후 60회의 정보 수신 기간(약 1분) 이내에 연속으로 20회 이상 헬멧의 움직임이 감지되지 않음, 2) 부정맥, 고열 등 갑작스러운 신체이상으로 인한 무충격 실신 상태 진입: 최 근 이상심박 및 이상체온 상황 발생 후 60회의 정보 수신 기간 이내에 연속으로 20회 이상 헬멧의 움직임이 감지되지 않음. 본 연구에서는 위의 두 경우에 해당하지 않는 연속 무 동작 상황은 정상적인 휴식 혹은 신체 정지 상태인 것으로 간주하였다. 5. 개발된 프로토타입 헬멧 및 원격감시 SW 성능 평가 본 연구를 통해 구현된 원격감시 플랫폼 SW의 이상 신체 상황 자동 감지 성능 평가를 위해 표 2와 같은 판정 프로 토콜을 적용하였다. 단, 이상 심박 감지 기능 평가 시 헬멧 착용자의 실제 심박수를 인위적으로 50 bpm 아래로 떨어 뜨리거나 150 bpm 위로 올릴 수는 없으므로, 그에 대한 대 안으로 헬멧을 착용 상태로 인식하도록 하기 위한 더미 (dummy) 장치를 헬멧에 삽입한 상태에서 PPG 신호가 입 력되는 아날로그 입력 단자에 의료용 심전도 시뮬레이터 (217A Patient Simulator; Fluke Biomedical, Cleveland, OH, USA)의 High Level ECG Output 단자를 연결하고, 시 뮬레이터에서 출력되는 심전도 신호의 HR를 1분 간격으로[정 상 (60/80/120 bpm) – 저심박 (30 bpm) – 고심박 (160 bpm)] 상태로 순차 변화시키는 과정을 20분 간 반복하면서 서버 플랫폼에서의 저심박·고심박 상황 감지 정확도를 가상 평가 하였다. 이상 체온 감지 기능 평가 시에도 헬멧 착용자의 실제 체온을 인위적으로 떨어뜨리거나 높일 수는 없으므로, 그에 대한 대안으로 헬멧에 더미 장치를 삽입한 상태에서 헬멧 내벽에 장착되는 체온 센서의 측정부 앞에 고체온(38 °C 초 과), 저체온(34 °C 미만), 정상체온(34 °C – 38 °C 사이) 에 해당하는 물이 담긴 컵을 놓고 헬멧 장착 체온 센서의 측정 부를 1분 간격으로 [정상체온 – 저체온 – 고체온] 순서로 변 화시키는 과정을 20분 간 반복하면서 서버 플랫폼에서의 저 체온· 고체온 상황 감지 정확도를 가상 평가하였다. 또한, 구현된 실신 의심 상황 자동 감지 알고리즘(그림 4) 의 성능 평가를 위해 다음과 같은 모의평가를 수행하였다. 먼저, 작업 중 가스중독, 낙하물 충돌, 추락 등의 사유로 헬멧 착 용자가 쓰러진 후 실신 상태에 빠지는 경우를 상정하여, 1) 더미 장치를 헬멧에 삽입한 상태에서 임의의 속도 및 자세로 앉았다 일어서는 행동 2회 반복 후 헬멧을 바닥에 떨어뜨리고 20초 이상 정지상태로 유지하기 5회(TEST-A1), 2) 더미 장 치를 헬멧에 삽입한 상태에서 임의의 속도 및 자세로 10초 간 제자리 걷기 후 헬멧을 바닥에 떨어뜨리고 20초 이상 정지 상태로 유지하기 5회(TEST-A2), 3) 더미 장치를 헬멧에 삽 입한 상태에서 헬멧에 강한 외부 충격을 가한 후 헬멧을 바닥에 떨어뜨리고 20초 이상 정지상태로 유지하기 5회(TEST-A3). 그 다음에, 갑작스러운 신체이상(부정맥, 고열) 으로 인한 무충격 실신 상태 진입을 상정하여, 1) 더미 장치를 헬멧에 삽입한 상태에서 심전도 시뮬레이터의 출력을 80 bpm으로 유지하 다가 30 bpm으로 낮춘 후 20초 이상 신체 움직임을 정지 상태로 유지하기 5회(TEST-B1), 2) 더미 장치를 헬멧에 삽 입한 상태에서 체온센서 앞에 40 °C 이상의 물을 가져다 댄 상태에서 20초 이상 신체 움직임을 정지상태로 유지하기 5 회(TEST-B2).
III. 연구 결과
1. 프로토타입 헬멧 제작 결과 그림 5는 서버 플랫폼 SW 개발을 위해 본 연구에서 실제 제작한 프로토타입 헬멧을 나타낸다. 제어기 공간 옆에 배 그림 5. 제작된 다기능 안전 헬멧 프로토타입Fig. 5. Manufactured multi-functional safety helmet prototype 표 2. 본 연구에서 적용한 원격 감시 플랫폼 신체상태 이상 상황 자동 감지 성능 평가 프로토콜(심박, 체온)
Table 2. Evaluation protocol for the performance of the implemented automatic abnormal body status monitoring functions in the server platform (heart rate, body temperature)
Abnormal Heart Rate (HR)
High HR Keep HR > 150 bpm for 10 measurements in WEAR state Low HR Keep HR < 50 bpm for 10 measurements in WEAR state Abnormal Body
Temp. (BT)
High BT Keep TEMP > 38 °C for 10 measurements in WEAR state Low BT Keep TEMP < 34 °C for 10 measurements in WEAR state
44 터리 장착을 위한 공간을 확보해 두었으나, 본 연구에서는 별도의 내장 배터리를 사용하지 않고 컴퓨터에 연결되는 USB 케이블을 통해 제어기 전력을 공급하면서 성능 평가를 수행하였다. 2. 이상심박 및 이상체온 자동 감지 성능 가상 평가 결과 그림 6은 구현된 서버 플랫폼의 이상심박 및 이상체온 자동 감지 성능 평가를 위한 가상 실험 결과를 나타낸다(서버 플 랫폼 SW 히스토리 감시 화면). 심전도 시뮬레이터에서 출 력되는 심전도의 HR 값이 30 bpm, 60 bpm, 160 bpm 인 경우 제어기에서 실제 계산된 HR값(저장된 SQL 테이블 내 임의의 위치에서 30개의 연속 샘플 추출)은 각각 29.37 ± 0.49 bpm, 59.50 ± 0.51 bpm, 159.57 ± 1.41 bpm 이었다. 평가 결과, 시뮬레이터의 심박 출력이 저심박 및 고심박 조건 일 때 약 1분 동안 5-6회의 오류 감지 메시지가 TextArea에 정상 출력되는 것을 확인하였으며, 정상심박 구간에서는 오류 감지 메시지가 발생하지 않음을 확인하였다(그림 6A). 또한, IP54 인증 비접촉 적외선 온도센서(IR Thermometer; Fluke Biomedical, Cleveland, OH, USA)를 이용하여 측정한 물 표면 온도값이 30 °C, 32 °C, 34 °C, 36 °C, 38 °C, 40 °C, 42 °C, 44 °C인 경우 헬멧 장착 체온 센서의 측정값은 29.26 ± 0.43 °C, 30.67 ± 0.40 °C, 31.35 ± 0.33 °C, 34.01 ± 0.23 °C, 35.27 ± 0.16 °C, 36.12 ± 0.30 °C, 39.43 ± 0.23 °C, 41.74 ± 0.35 °C 이었다. 본 연구에서는 헬멧 장착 체온 센서의 온도 측정 오차를 감안해서 레퍼런스 값과 측정 평균값 간의 선 형회귀분석을 실시하였으며, 이를 통해 얻어진 보정식[Y = AX + B; A = 0.873, B = 2.412, R2 = 0.972] 의 결과값을 소수점 아래 둘째 자리에서 반올림하여 이상체온 판정을 위 한 기준으로 사용하였다. 평가 결과, 이상체온 상태의 경우 에서도 저체온 및 고체온 조건일 때 약 1분 동안 5-6회의 오류 감지 메시지가 TextArea에 정상 출력되는 것을 확인 하였으며, 정상체온 구간에서는 오류 감지 메시지가 발생하 지 않음을 확인하였다(그림 6B). 3. 실신 상태 자동 감지 성능 가상 평가 결과 표 3은 본 연구에서 구현된 비정상적 실신 상태 감지 알 고리즘에 대한 가상 성능 평가 결과를 나타낸다. 수행된 모 든 평가 프로토콜(TEST-A1 ~ TEST-B2)에서 의도한 대로의 실신 감지 결과가 얻어짐을 확인할 수 있었다(5회 수행 – 5회 감지). 4. 다중 OS 동시 실행 평가 결과 그림 7A는 개발된 HTML 기반 중앙감시 플랫폼이 Windows OS 기반 Desktop PC 및 Android OS 기반 스마트폰(G7; 그림 6. 서버 플랫폼에서의 이상심박, 이상체온 감지 성능 평가 결과 (a) 이상심박 감지 성능 평가 결과 (b) 이상체온 감지 성능 평가 결과 Fig. 6. Experimental results of the implemented abnormal body state detection functions (a) Abnormal heart rate detection (b) Abnormal body temperature detection
표 3. 개발된 자가 실신 감지 알고리즘 성능평가 결과
Table 3. Experimental results for the implemented automatic black-out detection algorithm
Protocol TEST-A1 TEST-A2 TEST-A3 TEST-B1 TEST-B2
45 LG Electronics Co. Ltd., Seoul, Korea)을 통해 실시간
감시 모드로 동시에 동작하는 예를 나타내며, 그림 7B는 Windows OS 기반 Desktop PC 및 iOS 기반 스마트폰 (iPhone12; Apple Inc., Cupertino, CA, USA)를 통해 히스 토리 확인 모드로 동시에 동작하는 예를 나타낸다. 3개 이상의 헬멧 제어기가 서버에 동시에 접속되어 원격감시되고, 운영 체계 및 단말 종류에 따라 서로 다른 별개의 전용 앱을 개 발하지 않더라도, 표준 웹 브라우저를 통해 모든 기기에서 중앙감시 플랫폼이 정상적으로 실행되는 것을 확인하였다.
IV. 고찰 및 결론
광업, 건설업, 원전 등 위험을 수반하는 산업 현장에서 상 시 근무하는 현장 근로자들은 작업 도중 부정맥, 고열 등의 신체적 이상 발생, 외부충격, 추락, 중독 등의 다양한 응급 상황의 발생 위험에 상시적으로 노출되어 있다. 과거에는 공 사기간 단축이나 비용 절감을 위해 안전관리 시스템의 도입을 소홀히 하여 현장 근로자의 위험을 초래한 사례가 빈번히 발생하였으나, 근로자 안전에 대한 의식 개선, 안전사고에 대한 처벌 강화 등 변화된 사회적 흐름에 따라 현장 근로자 들의 건강 관리 및 안전 개선을 위한 다양한 제도적, 기술 적 노력들이 지속적으로 이루어지고 있다. 특히, 국내에서는 중대재해법의 시행으로 인해 건설, 화학 등 고위험 사업장 에서의 근로자 건강관리 및 안전강화 필요성이 급격히 증가 하고 있으며, 특히 응급상황 발생 후 골든타임 경과 전에 신 속한 의료처치를 수행하여 사소한 사고가 큰 인명사고로 발 전하는 것을 사전에 예방할 수 있는 지능형 스마트 안전관 리 시스템에 대한 수요는 향후 지속적으로 증대될 것으로 예상되고 있다. 본 연구에서 제안된 다기능 안전 헬멧 기반 원격 감시 플랫폼은 기본적인 착용 감지 및 유해환경 감지 기능 외에 신체 이상 상태 감시 및 실신 감시 기능을 추가 하여 보다 다양한 측면에서 현장 근로자들의 안전을 강화할 수 있도록 설계되었으며, 실시간 원격 감시 기능 외에 특정 시간대에서의 히스토리 확인 기능을 추가함으로써, 응급상 황 발생 후 현장에 도착한 의료진이 개별 작업자의 상황을 보다 정확히 파악하는 데 도움을 줄 수 있도록 구현하였다. 본 연구에서 수행한 연구실 차원에서의 평가 결과는 개발된 헬멧 및 원격 감시 플랫폼이 현장 노동자에게 발생할 수 있는 다양한 이상·응급상황에 대한 자동화된 상시·조기감지 용도로 활용될 수 있는 가능성을 보여주었다. 특히, 본 연구에서 제 안한 복합 정보 기반 실신 감시 기능은 소수의 인원이 고립 된 공간 내에서 장시간 근무해야 하는 고위험 작업장에서 특히 유용할 수 있다. 예를 들어, 일행과 따로 떨어져서 홀로 작업 중이던 현장 근로자가 이상심박 혹은 이상체온과 같은 신체적 이상, 충격, 추락, 중독 등의 사유로 인해 실신 상태에 빠지거나, 밀폐 공간에서 작업 중이던 소규모의 작업팀 전 체가 국소적인 고방사선 피폭, 유해가스 누출 중독 등의 사 유로 단체 실신 상태에 빠지는 응급상황 발생 시 제안된 자가 실신 감지 기능이 사고 발생의 조기 감지를 위해 활용될 수 있다. 최근 건설현장이나 작업장, 의료기관 내부에 자체적인 와 이파이망을 구축하거나 LTE/5G 라우팅 기술을 도입하는 사 례가 늘고 있으며[13-15], 이러한 공간 내에서는 본 연구에서 제안된 다기능 헬멧 기반 중앙 감시 플랫폼을 통해 현장 근 로자들의 건강관리 및 안전강화 효과를 기대할 수 있다. 다 만, 국내에서 운영 중인 대부분의 원전은 전자기파 간섭 및 그림 7. 다양한 단말장치에서의 중앙감시 플랫폼 실행 예 (a) Windows OS 기반 Desktop PC 및 Android OS 기반 Smartphone에서의 동시 실시간 감시 예 (b) Windows OS 기반 Desktop PC 및 iOS 기반 Smartphone에서의 동시 히스토리 확인 예Fig. 7. Operation examples of the implemented HTML-based central monitoring platform on various terminal devices (a) Simultaneous real-time monitoring mode on Windows OS-based desktop PC and Android OS-based smartphone (b) Simultaneous history monitoring mode on Windows OS-based desktop PC and iOS-based smartphone
46 사이버보안 문제에 대한 우려로 자체 무선통신망을 구비하 지 않은 채 운영되고 있으며, 내부 구조 상 별도의 중계 장 치가 없으면 통신 전파가 원천 차단되는 구조를 갖고 있으 므로, 현재 구현된 중앙 감시 플랫폼을 기존 원전 환경에서 그대로 활용할 수는 없다. 하지만, 미국 LaSalle 원전을 벤 치마킹하여 현재 건설 중인 신고리 5, 6호기에는 국내 원전 최초로 자체 무선통신망을 도입하여 원전 운영의 안전성 및 경제성 강화, 유지보수의 효율성 강화, 작업자 안전 강화 및 응급대처능력 개선 등의 효과를 기대하는 시도가 이루어지 고 있으며, 해당 결과를 바탕으로 기존 원전에도 이러한 스 마트 관리 기술의 순차적인 도입이 예상되고 있다. 또한, 현 정부에서의 주요 이슈인 수명 연한 종료 국내 원전의 해체 기술 개발 시에도 현장 작업자들의 피폭 위험을 최소화하고 응급상황 발생 시 신속한 의료 대응을 돕는 스마트 안전관 리 플랫폼의 활용이 보편화 될 것으로 전망된다. 본 연구에 서 제안된 안전관리 플랫폼을 원전 등 방사선작업 종사자 안전관리를 위해 활용하기 위해서는 작업 중 방사선 노출 시 이를 신속히 감지하여 경고할 수 있는 초소형 방사선량 계의 추가적인 개발과 함께, 고방사선 노출 시 헬멧 내부의 센서 및 전자기기를 보호할 수 있는 방사선 차폐 및 회로 보호 기능에 대한 추가적 연구도 필요하다. 현재 본 연구팀 에서는 헬멧 내부 장착이 가능한 수준의 초소형 방사선량계 개발을 함께 진행하고 있으며, 향후 해당 센서의 플랫폼 통 합을 통해 제안된 안전관리 플랫폼의 적용 범위를 방사선작 업 종사자 안전관리 분야로 넓히기 위한 연구를 진행 중에 있다. 본 연구에서 구현된 다기능 헬멧 기반 원격 감시 플랫폼을 실제 고위험 현장 근로자의 안전 관리에 활용하기 위해서는 몇 가지의 추가적인 기능 추가 및 보완 개발이 필요하다. 먼 저, 현재 개발된 프로토타입에는 작업자 위치 추적을 위한 GPS 기능이 포함되어 있지 않으므로, 응급상황 발생 시 작 업자의 현 위치를 즉각적으로 파악하는 데 한계가 있다. 향후 추가적 연구를 통해 GPS 기반 위치 인식 기능을 서버 플 랫폼 SW에 추가하고, 와이파이망을 통한 원격 음성 송·수 신(walkie-talkie) 기능이나 카메라 영상 전송·출력 기능을 헬멧 및 서버 플랫폼에 추가하여 작업자의 의식이 유지된 응급상황에서 상호간 의사소통이 가능하도록 하면, 응급상 황 발생 시 작업자 상황에 대한 추가적인 정보를 확보하여 구조에 도움이 될 수 있을 것이다[16,17]. 또한, 본 연구에 서는 중앙감시 플랫폼 개발에 집중하기 위해 헬멧 착용자의 다양한 신체 움직임이 심박동수 및 체온 측정에 미치는 영 향에 대해서는 충분히 고려하지 않고, 간단한 Peak 검출 알 고리즘만을 활용하였으나, 다양한 작업 상태에서 안정적이고 연속적인 심박동수 및 체온 측정을 수행하기 위해서는 동잡음 제거 및 신호 개선에 대한 보다 정교한 알고리즘을 추가로 개발할 필요가 있다. 특히, 본 연구에서는 정적 환경에서 더 미 헤드를 이용하여 측정을 진행하였으나, 실제 환경에서는 작업 중 신체 움직임에 의해 PPG 센서부가 귀에서 이탈할 수 도 있고, 체온 센서의 헬멧 내부 위치에 따라 땀으로 인해 체온 측정의 정확도가 떨어지거나, 헬멧 내부 온도 증가에 따 라 체온 측정의 정확도가 떨어지는 등 다양한 측정 오류들이 발생할 수 있으므로, 이를 고려한 보다 신뢰성있는 측정 기 술의 개발을 위한 추가적인 연구가 필요하다. 또한, 표 3의 결과는 매우 제한된 형태의 실신 상태에 대한 감지 성능만 을 나타내는 것으로 모든 실신 상태에 대해 일반화할 수는 없다. 실제로는 심박수와 체온 만으로 예측되기 어려운 다 양한 실신 상태가 존재할 수 있으므로, 향후 추가적인 연구 를 통해 보다 다양한 실신 상황을 고려하여 실신 감지 알고 리즘을 다양화, 고도화할 필요가 있다. 또한, 작업자의 안전 강화를 위해 추가적으로 심정지 등의 응급상황에 대한 추가 적인 감지 알고리즘을 구현할 필요도 있다[18]. 또한, 본 연 구에서는 개발 편의를 위해 상용 제어기 및 센서 모듈들을 서로 조합하여 제어부 및 센서부를 구성하였다. 향후에는 전 체 제어부를 단일 PCB 보드 형태로 통합하여 경량화 및 최 소화하고, 장기 연속 사용을 위해 전력 소모량을 최소화 할 수 있도록 추가 개발할 필요가 있다. 또한, 본 연구에서는 제한된 수의 단말장치가 서버에 붙는 경우만을 고려하여 기 본적인 TCP/IP 통신기능만을 구현하였으나, 향후 다수의 단 말장치가 단일 서버에 동시 접속되는 경우에는 통신 신뢰도 유지를 위한 추가적인 고려가 필요하다. 마지막으로, 본 연 구에서는 더미 헤드를 이용한 가상 평가만 수행하였으나, 향 후 부가 기능 추가 및 시스템 안전성 개선 이후에는 식약처 임상평가 승인 및 기관 IRB 승인을 거쳐 실제 사람을 대상으 로 한 추가적인 검증 평가를 실행할 필요가 있다. 결론적으로, 본 연구에서는 고위험 작업 근로자의 건강관 리 및 안전강화를 위한 다기능 헬멧 기반 원격 감시 플랫폼을 구현하고, 제작된 프로토타입 시스템의 정량적 성능을 평가 하였다. 향후 추가적인 연구·개발을 통해 추가적인 기능들을 도입하고 실제 작업 상황에 적합한 형태로의 보완 개발이 이루어질 경우, 현장 근로자들에게 발생할 수 있는 다양한 이상·응급상황에 대한 자동화된 상시·조기감지 용도로 활용 가능 할 것으로 기대된다.
References
[1] Li P, Meziane R, Otis MJD, Ezzaidi H, Cardou P. A smart safety helmet using IMU and EEG sensors for worker fatigue detection. IEEE Int Symp Robotic Sens Env. 2014;14775980. [2] Barata J, da Cunha PR. Safety is the new black: the increasing
role of wearables in occupational health and safety in construc-tion. Int J Bus Inf Syst. 2019;353:526-537.
47 through wearable transceivers for improving work safety. IEEE
Int Symp Intell Signal Process. 2011;12316624.
[4] Ishii H, Bian Z, Sekiyama T. Development and evaluation of tracking method for augmented reality system for nuclear power plant maintenance support. Maintenology 2007;5(4):59-68. [5] Mattmuller A. Nuclear power plant maintenance improvement
via implementation of wearable technology. M.S. dissertation. Ohio State University, 2016.
[6] Momin G, Panchal R, Liu D, Perera S. Case study: Enhancing human reliability with artificial intelligence and augmented reality tools for nuclear maintenance. Conf ASME Power. 2018;POWER2018-7495, V002T12A001.
[7] Wang W, Gao S, Song R, Wang Z. A safety helmet detection method based on the combination of SSD and HSV color space. IT Converg Secur. Lect Notes Electr Eng. 2021;712:123-9. [8] Aliyev A, Zhou B, Hevesi P, Hirsch M, Lukowicz P.
Head-gearX: a connected smart helmet for construction sites. Joint C UbiComp ISWC. 2020;184-7.
[9] Jeon SY, Park JH, Youn SB, Kim YS, Lee YS, Jeon JH. Real-time worker safety management system using deep learning-based video analysis algorithm. Smart Media J. 2020;9(3):25-30. [10] Seo KB, Min SD, Lee SH, Hong M. Design and
implemen-tation of construction site safety management system using smart helmet and BLE beacons. J Internet Comput Serv. 2019;20(3):61-8.
[11] Ahn HW, Park NI, Kim S, Oh DH. Development of smart helmet based on real-time information. Ann Conf Korea Inform Process Soc. 2017;24(1):1209-10.
[12] Lee DG, Kim WB, Kim JS, Lim SK, Kong KS. Smart safety helmet using Arduino. J Inst Internet Broadcast Commun 2019;19(1):77-83.
[13] Park HM, Hong HS, Kim JH, Joo KS. Development of a porta-ble device based wireless medical radiation monitoring sys-tem. J Radiat Prot Res. 2014;39(3):150-8.
[14] Thibaud M, Chi H, Zhou W, Piramuthu S. Internet of Things (IoT) in high-risk environment, health and safety (EHS) industries: a comprehensive review. Decis Support Syst. 2018;108:79-95. [15] Maktoubian J, Ansari K. An IoT architecture for preventive
maintenance of medical devices in healthcare organizations. Health Technol. 2019;9:233-43.
[16] Shalini S, Muruganandham J, Surya S. Identification and prevention of accidents using smart helmet and GPS system. J Phys Conf Ser. 2021;1717:012011.
[17] Teja K, Patel U, Patel P, Agrawal Y, Parekh R. Smart soldier health monitoring system incorporating embedded electronics. Adv VLSI Embed Syst. 2021;676:223-34.
[18] Ahn HJ, You SM, Cho K, Park HK, Kim IY. Multi-modal wearable device for cardiac arrest detection. J Biomed Eng Res. 2017;38(6):330-5.
