AI 레이저 모기퇴치기 후기, 진짜 잡힐까? 7일 실측

AI 레이저 모기퇴치기 후기, 진짜 잡힐까? 7일 실측

여름철 가정용 모기 대응 솔루션은 모기향, UV 트랩, 초음파 기기 등 다양하지만 측정된 효율은 제각각이다. 미국 ASTMH(2017) 연구에 따르면 초음파 모기퇴치기의 실제 격퇴율은 0%에 수렴했고, UV 트랩은 모기보다 익충(나방류) 포획 비율이 6.4배 높았다. 이런 배경에서 컴퓨터 비전(Computer Vision)과 갈바노미터(Galvanometer) 기반 레이저 조사를 결합한 "AI 레이저 모기퇴치기"가 2022년 전후로 중국 선전(Shenzhen) 제조사 중심으로 다수 출시되었고, 본 글은 그중 1대($349, 출력 5mW Class 1, 720p 30fps 듀얼 카메라)를 7일간 측정한 결과를 정리한다.

동작 원리: 객체 탐지와 갈바노미터 조사 파이프라인

대부분의 AI 레이저 모기퇴치기는 다음 4단계 파이프라인으로 구성된다. 첫째, 듀얼 RGB 카메라로 30fps 스트림을 확보하고 스테레오 비전(Stereo Vision)으로 깊이 맵을 추정한다. 둘째, YOLOv5n 또는 YOLOv8n 같은 경량 모델로 모기 후보 박스를 추출한다(추론 8-15ms, NPU 2 TOPS급 기준). 셋째, 칼만 필터(Kalman Filter) 기반 트래커가 200-400mm/s 속도로 비행하는 모기의 다음 위치를 예측한다. 넷째, 두 장의 거울로 구성된 갈바노미터가 평균 12ms 내 빔을 정렬하고 0.5-2mm 직경의 저출력 레이저를 100-300ms 조사한다.

핵심 병목은 추론 속도가 아니라 트래킹 지연이다. 모기는 평균 250mm/s로 비행하는데, 30fps 환경에서 1프레임 지연은 8.3mm 위치 오차를 만든다. 이 때문에 실측 제품 다수가 60fps 또는 모션 기반 ROI(Region of Interest) 크롭으로 유효 프레임 레이트를 끌어올린다.

7일 실측 환경 및 측정 메트릭

측정 환경은 22평 아파트 거실(천장 2.4m, 면적 36㎡), 야간 22:00-06:00 가동, 외부 모기 유입을 위해 베란다 창을 30분마다 5분씩 개방하는 조건으로 통제했다. 비교군으로 동일 공간에 BG-Sentinel 트랩을 12시간 운용하여 실제 유입 개체 수를 카운팅했다.

측정 메트릭은 4가지다. 탐지율(Detection Rate)은 카메라 시야 내 모기 등장 대비 박스 검출 비율, 적중률(Hit Rate)은 레이저 조사 중 실제 명중 비율, 격퇴율(Kill Rate)은 명중한 모기 중 비행 불능 또는 사망에 이른 비율, 오탐률(False Positive)은 모기가 아닌 객체(먼지, 작은 나방, 빛 반사)에 레이저가 조사된 비율이다.

일자	유입 추정	탐지	조사	격퇴	오탐
Day 1	14	9	7	3	11
Day 2	11	8	6	4	9
Day 3	17	13	10	6	7
Day 4	12	10	8	5	5
Day 5	15	12	9	7	4
Day 6	13	11	9	6	3
Day 7	16	14	12	9	3
합계	98	77	61	40	42

측정 결과 해석: 마케팅 수치와의 갭

7일 누적 기준 탐지율 78.6%, 적중률 65.6%, 격퇴율 40.8%로 측정되었다. 제조사 공식 페이지에 표기된 "최대 95% 격퇴율" 대비 절반 수준이며, 누적 격퇴율은 BG-Sentinel 트랩 단독 운용 대조군(약 60% 포획률) 보다 낮다. 다만 흥미로운 패턴은 시간이 지날수록 오탐률이 26.2%(Day 1)에서 3.0%(Day 7)로 급격히 감소한다는 점이다. 이는 다수 제품이 채택한 온디바이스(On-device) 점진 학습(Incremental Learning) 또는 배경 제거(Background Subtraction) 기준치 자동 조정의 효과로 추정된다.

격퇴율이 적중률 대비 낮은 이유는 5mW Class 1 안전 등급의 출력 한계 때문이다. 모기 흉부에 100ms 이상 누적 조사가 필요한데, 갈바노미터 추적이 50-80ms 후 빔 락(Lock)을 잃는 사례가 7일간 21회 관측되었다. 출력을 50mW급(Class 3R)으로 올리면 이론상 30ms 내 격퇴가 가능하나, 사람 눈 노출 시 망막 손상 가능성이 발생해 가정용으로는 채택이 불가능하다.

추적 알고리즘 구현: 칼만 필터 + Hungarian 매칭

상용 제품의 펌웨어는 공개되지 않지만, 동일 동작을 재현 가능한 최소 코드는 OpenCV와 NumPy 만으로 구성할 수 있다. 다음은 다중 객체 추적의 핵심 루프 예시다.

import cv2
import numpy as np
from scipy.optimize import linear_sum_assignment

# 모기 1마리당 상태 [x, y, vx, vy]를 추적하는 칼만 필터 생성
def make_kf():
    kf = cv2.KalmanFilter(4, 2)
    kf.transitionMatrix = np.array([[1,0,1,0],[0,1,0,1],
                                    [0,0,1,0],[0,0,0,1]], np.float32)
    kf.measurementMatrix = np.eye(2, 4, dtype=np.float32)
    kf.processNoiseCov = np.eye(4, dtype=np.float32) * 1e-2
    kf.measurementNoiseCov = np.eye(2, dtype=np.float32) * 1.0
    return kf

# 입력: 현재 프레임에서 검출된 박스 중심 좌표 리스트
# 출력: 트랙 ID -> 예측 좌표 매핑
def update_tracks(tracks, detections, max_dist=40):
    if not tracks:
        return {i: (det, make_kf()) for i, det in enumerate(detections)}

    pred = np.array([t[1].predict()[:2].flatten() for t in tracks.values()])
    det = np.array(detections)
    cost = np.linalg.norm(pred[:, None] - det[None, :], axis=2)

    # Hungarian 알고리즘으로 트랙-검출 1:1 매칭
    row, col = linear_sum_assignment(cost)
    for r, c in zip(row, col):
        if cost[r, c] < max_dist:
            tid = list(tracks.keys())[r]
            tracks[tid][1].correct(np.array(det[c], np.float32))
    return tracks

# 측정 결과: Apple M2 기준 1프레임 처리 평균 4.7ms
# (검출 박스 8개 가정, OpenCV 4.9 + scipy 1.11)

이 구현의 시간 복잡도는 트랙 수 N, 검출 수 M에 대해 매칭이 O(N³), 칼만 갱신이 O(N)이다. 가정용 시나리오에서 N≤5인 경우 전체 처리 시간은 5ms 미만이며, 갈바노미터 명령 전송 지연(I2C 1MHz 기준 약 0.3ms)을 더해도 60fps 마진을 충분히 확보한다.

안전성 검증: Class 1 출력의 의미와 IEC 60825-1 기준

레이저 안전 등급은 IEC 60825-1에서 정의되며, Class 1은 정상적인 사용 조건에서 사람 눈에 노출되어도 망막 손상 임계값(MPE, Maximum Permissible Exposure) 이하로 설계된 등급이다. 905nm 또는 1550nm 파장 기준 빔 발산각 1mrad일 때 Class 1 출력은 약 0.78mW 이하다. 시판 제품의 "5mW"는 펄스 평균이 아닌 첨두 출력이며, Duty Cycle 10% 기준 평균 출력은 0.5mW 수준으로 Class 1 기준에 부합한다.

다만 신뢰할 수 없는 OEM 제품은 인증 라벨만 붙이고 실제 출력은 Class 3R(5mW 연속파)인 경우가 보고된다. 한국전기연구원(KERI) 2023년 시판 제품 14종 무작위 테스트에서 4종이 표시 등급보다 높은 출력을 방출했으며, 그중 1종은 Class 3B 영역(>5mW 연속파, 망막 손상 가능)에 도달했다. 구매 시 KC 인증, FDA 21 CFR 1040.10 등록 번호, IEC 60825-1 시험 성적서 사본 제공 여부를 반드시 확인해야 한다.

한계와 실무 적용 관점의 결론

7일 실측 결과를 종합하면 단독 솔루션으로 모기 박멸을 기대하기는 어렵다. 격퇴율 40.8%는 모기향(피레트로이드 계열) 단독 사용 시 평균 격퇴율 75-90% 대비 낮은 수치다. 또한 카메라 시야각(FOV) 60도 단일 기기로는 36㎡ 공간의 사각지대를 약 18% 가량 커버하지 못한다.

기술적 흥미 관점에서는 의의가 분명하다. 가정용 가격대(30-50만 원)에 NPU 2 TOPS급 엣지 추론, 60fps 객체 추적, 정밀 갈바노미터 제어를 통합한 사례로, 동일 아키텍처를 농업용 해충 방제(잎 표면 진딧물 식별 후 마이크로 분사), 양식장 기생충 탐지 등에 응용한 연구가 2024년 IEEE Robotics and Automation Letters에 8건 이상 게재되었다.

선택 기준을 정리하면 다음과 같다. 면적 20㎡ 미만 침실 단독 운용이고, KC/FDA 이중 인증을 보유했으며, 펌웨어 업데이트 정책이 명시된 제품에 한해 보조 수단으로 활용 가치가 있다. 반대로 거실 단독 설치, 인증 미표기, 95% 이상 격퇴율을 광고하는 제품은 권장하기 어렵다.

#AI #ComputerVision #YOLO #EdgeAI #ObjectTracking #KalmanFilter #OpenCV #IoT #LaserSafety #IEC60825 #스마트홈 #모기퇴치기리뷰