인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
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.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
