냄새를 데이터로 · GraphAISense by ADVENT
글과 사진, 소리는 인터넷에 이미 쌓여 있었지만 냄새는 어디에도 기록돼 있지 않습니다. 냄새 데이터는 현장에서 직접 측정해야만 얻을 수 있습니다. 어드밴트는 냄새를 측정하는 장비와 그 데이터를 해석하는 AI 모델을 함께 만들어, 기계가 냄새를 알아보게 합니다.

기계가 아직 갖지 못한 감각, 후각
감지 채널
전 채널 측정 주기
장비 내 AI 판단
검출 한계 (일부 물질 0.1 ppm)
전자코란?
사람의 코는 냄새 성분을 하나씩 재지 않습니다. 약 400종의 후각 수용체가 동시에 반응하고, 뇌가 그 반응 패턴을 기억해 냄새를 알아챕니다. AI 전자코도 같은 원리입니다. 성질이 서로 다른 여러 감지 셀이 공기에 함께 반응하면, AI가 그 패턴을 보고 ‘전선 피복이 타는 냄새’, ‘하수 누출’, ‘평소와 다른 원료’처럼 구체적인 냄새로 판단합니다. 가스센서 하나로는 특정 가스의 농도만 알 수 있어 여러 냄새가 섞이면 구분하지 못합니다.

제품
현재 출하하고 있는 장비입니다. 그래핀 멀티센서 칩이 섞인 냄새를 30~38개 채널로 한 번에 읽고, 장비에 탑재된 모델팩이 바로 해석합니다. 측정부터 판단, 현장 경보까지 모두 장비 안에서 처리합니다.

멀티센서 칩
EN-MSC.3E 그래핀 멀티센서 칩
감지 채널
구성에 따라 30~38개
측정 주기
전 채널 2초 이하
AI 추론
장비 내 1초 미만 (GPU·클라우드 불필요)
감지 한계
1 ppm (일부 물질은 검증 조건에서 0.1 ppm)
공기 흡입
내장 펌프, 0.2~1.5 L/min, 솔레노이드 자동 유량 제어
사용 환경
−5~+50 ℃, 습도 20~98 %RH (결로 없을 것)
크기 · 전원
270 × 250 × 90 mm / AC 220 V, 75 W 이하
통신
Ethernet · Wi-Fi · LTE · USB / MQTT over TLS · REST · OPC UA · Modbus TCP·RTU
경보 단계
NORMAL(정상) · WARNING(주의) · ALARM(경보), 연속 판정으로 확정
2026년 카탈로그 기준 사양입니다. 성능 수치는 정해진 조건에서 어드밴트가 자체 검증한 결과이며, 공인 시험 성적이 아닙니다.
Mk.2E 전체 사양 보기데이터가 만들어지는 과정
언어·이미지·음성 AI는 이미 쌓여 있던 방대한 자료로 학습을 시작했습니다. 냄새에는 그런 자료가 없습니다. 쓸 수 있는 냄새 데이터는 처음부터 직접 만들어야 합니다. 정해진 조건에서 측정하고, 실제 상황에 맞춰 이름표를 붙이고, 장소나 시기가 달라도 서로 비교할 수 있게 관리해야 합니다.


그래핀 멀티센서 칩이 섞인 기체를 30~38개 채널로 동시에, 같은 주기로 반복해 읽습니다. 한 번 측정하면 숫자 하나가 아니라 여러 값이 묶인 벡터가 나옵니다. AI 학습은 바로 여기서 시작됩니다.

이 벡터가 냄새마다 고유한 지문이 됩니다. 온도와 습도의 영향을 보정해, 생산 배치나 현장, 계절이 달라도 같은 기준으로 비교할 수 있습니다. 측정값이 흔들리면 데이터로 쓸 수 없기 때문에 비교 가능성이 가장 중요합니다.

모은 지문으로 현장의 질문에 맞는 모델팩을 학습시키고, 이 모델팩을 장비에 올려 실행합니다. GPU나 클라우드가 필요 없고, 측정 원본 데이터를 현장 밖으로 보내지 않아도 됩니다.
일반 가스센서는 값이 기준을 넘었는지 하나만 알려줍니다. 그래핀 멀티센서 칩은 감지 셀마다 표면 처리가 달라서, 같은 냄새에도 채널마다 반응 크기가 다르게 나옵니다. 이 반응의 분포가 냄새 지문이며, 섞인 냄새를 구분할 수 있는 것도 이 덕분입니다.
※ 원리 설명용 개념도이며 실측 데이터가 아닙니다.
인식 알고리즘
한 번의 측정 결과를 두 가지로 봅니다. 채널 전체의 반응 모양(극좌표 그래프)과 시간에 따른 반응 변화(채널별 반응 그래프)입니다. 이 데이터를 보정한 뒤 PCA로 핵심 정보만 추리고, LDA로 냄새 종류 사이의 차이를 벌린 다음, SVM으로 어떤 냄새인지 판정합니다. 마지막으로 그 냄새가 얼마나 오래 이어지는지까지 따져 NORMAL·WARNING·ALARM 3단계 경보 중 하나를 냅니다.



원리 설명용 도식이며 실측 데이터가 아닙니다.
냄새 데이터가 특별한 이유
언어 AI는 인터넷에 쌓인 글로, 이미지 AI는 인터넷에 올라온 사진으로 학습했습니다. 하지만 인터넷에는 냄새가 없습니다. 지금 있는 냄새 데이터는 모두 누군가 현장에 장비를 설치해 직접 측정한 것입니다. 그래서 이 데이터는 측정하는 회사에만 쌓이며, 웹에서 긁어 오거나 대량으로 사들이거나 그럴듯하게 만들어낼 수 없습니다.

내려받을 수 있는 자료도, 제품 개발에 쓸 만한 공개 기준 데이터도 없어 모두가 0에서 시작합니다. 결국 실제 현장의 공기를 얼마나 오래, 정확한 이름표와 함께 모았는지, 그리고 그 데이터를 서로 비교할 수 있는지가 경쟁력을 가릅니다.
한 번 설치한 장비는 계절이 바뀌고 근무조와 공정이 바뀌는 동안에도 같은 장소를 계속 측정합니다. 이 기록이 첫 실증을 모델팩으로 만들고, 그 모델팩을 다른 현장에서도 통하도록 다듬습니다. 오늘 모은 데이터가 다음 설치 비용을 낮춥니다.
AI 판단이 장비 안에서 끝나기 때문에 측정 원본을 외부로 보낼 필요가 없고, 데이터는 운영하는 쪽이 소유합니다. 공장, 요양시설, 공공 인프라처럼 외부 반출이 어려운 현장에도 설치할 수 있는 이유입니다.
그래서 어드밴트는 감지 소재, 센서 칩, 측정 장비, AI 모델을 모두 직접 만듭니다. 네 가지는 따로 떨어진 제품이 아니라 하나로 이어진 데이터 흐름이며, 어느 하나라도 외부에 맡기면 소재와 모델을 함께 개선할 수 없습니다.
모델팩
모델팩은 장비가 아니라 소프트웨어입니다. 새로운 물질이나 고장 유형, 새로운 현장을 감지해야 할 때 장비를 새로 개발하지 않고 데이터를 모아 모델팩만 학습시키면 됩니다. 적용 분야는 계속 늘릴 수 있고, 분야가 늘어나도 하드웨어 비용은 늘지 않습니다.


전기 화재 전조, 케이블 피복이 타기 시작할 때 나는 가스, 리튬 배터리·ESS의 열폭주 가스를 감지합니다. 연기나 온도 변화보다 냄새가 먼저 나타납니다.

산업단지와 하·폐수 처리시설의 악취, 배출 가스, 악취 민원을 모니터링합니다.

생산 배치 간 품질 비교, 공정 변화 감지, 원료와 완제품 검사에 활용합니다.

축사와 양계장의 암모니아·악취, 화재 전조, 사육 환경 이상을 미리 알려줍니다.

체취를 이용한 건강 스크리닝과 돌봄 환경 연구를 진행하고 있습니다.
연구 단계 · 진단 제품 아님

이동 로봇이 냄새로 장소를 파악하고 물질을 식별하도록 돕습니다.
아래는 정해진 조건에서 어드밴트가 자체 검증한 결과입니다. 공인 시험기관의 성적이 아니며, 이 결과를 전체 정확도로 확대해 해석할 수 없습니다.
과열된 전선 피복이 타기 시작할 때 나는 가스를 목표로, 염소·에탄올·이소프로필알코올을 방해 물질로 두고 시험했습니다. 이 시험 세트에서는 모든 경우에 목표 가스를 정확히 찾아냈습니다.
정답을 모르는 상태에서 화학·폐수·하수 악취를 높은 정확도로 구분했고, 섞인 시료에서 두 가지 성분을 각각 찾아냈습니다.

한국환경공단 (K-eco)
2025년 10월
화학·도장, 섬유, 분뇨 처리, 하수 처리 등 4종의 원 시료와 2종의 혼합 시료를 학습한 뒤, 출처를 알리지 않은 시료 3건의 발생원을 추적했습니다.

인천항만공사

2026 · 진행 중
인천항 여객터미널에서 세오로보틱스 순찰로봇에 전자코를 탑재하고, 에너지저장장치(ESS)와 태양광 설비에는 고정형 전자코를 설치해 실증하고 있습니다.

경기도

2026 · 진행 중
경기도·수원·화성·이천에서 전자코를 AI CCTV, 엣지 AI와 연동해 산업단지와 시장의 화재 전조를 감지합니다.
기관명은 실증 장소를 밝히기 위해 표기한 것으로, 해당 기관의 추천이나 보증을 뜻하지 않으며 구매·납품 실적과도 다릅니다.
전체 검증 기록 보기