Comparison of Deep Learning Model Performance for Pig Detection by Farm

가축의 상태를 관찰하고 관리하는 것은 농장의 생산성을 높이는데 중요한 역할을 한다. 그러나 사람이 직접 모든 가축의 상태를 모니터링하는 것은 노동력과 시간의 제약으로 한계 존재한다. 이로 인해 이미지 기반 가축 모니터링 시스템에 대한 관심이 증가하는 추세이다. 국내외적으로 영상을 이용한 객체 탐지에 대해 다양한 연구가 진행되고 있으나 수집된 환경에서만 최적화된 성능을 보이는 경향이 있다. 이에 따라, 사육 환경에 의존하지 않고 일반화된 성능을 유지할 수 있은 객체 탐지 모델에 대한 기술 개발이 필요하다. 따라서 본 연구에서는 다양한 양돈장 환경에서 수집된 영상 데이터를 이용하여 각 환경에 따른 딥러닝 기반 객체 탐지 모델의 돼지 탐지 성능을 비교하고자 하였다. 연구는 세 곳의 양돈 농가(완주, 김제, 익산)에서 수집된 영상을 이용하여 Faster R-CNN, YOLOv4, YOLOv8, DETR 네 가지 모델의 성능을 비교 분석하였다. 주요 평가 지표는 mean Average Precision와 초당 프레임 수로 설정하였으며, 각 농장에서 수집된 데이터를 학습 및 평가하여 모델의 일반화 성능을 분석하였다. 실험 결과, YOLOv8 모델이 98.4%로 가장 높은 정확도와 일관된 성능을 보였으며, 평균 16.2 ms의 처리속도를 유지하고 있어 다양한 환경에서 실시간으로 돼지를 모니터링 할 수 있음을 확인하였다. 본 연구는 딥러닝 기술을 활용한 돼지 탐지의 실용적 적용 가능성을 제시하며, 향후 가축 모니터링 시스템 개발에 기여할 것으로 기대된다.