CCTV를 이용한 돈방 출입 돼지 카운팅 자동화에 관한 연구 = A Study on Automation of Counting Pigs in and out of Pig House Using CCTV

국문 초록 (Abstract)

양돈 농장에서는 교배, 이유, 분만, 이소, 출하와 같은 다양한 사양 관리 업무를 수행하고 있다. 이 과정에서 돼지는 성장 단계에 맞춰 분만사, 자돈 사, 육성사, 비육사 등으로 이동하며 관리된다. 이때, 돼지 재고를 파악하는 것은 백신 접종 계획 수립하거나 출하 일정을 조율하는 등 돼지를 관리하고, 농장 운영 계획을 조율하는 데 중요한 요소이다. 초기 재고 두수는 돼지가 돈사에 입고되는 시점에 집계되고 이후 사양 관리 업무 중 발생하는 출하, 폐사, 합사 등의 사건을 기록하며 재고가 변동된다. 양돈 농장에서 돼지의 이동은 주로 성장 단계에 맞춰 적절한 환경(온도, 습도, 공간 등)을 제공하 기 위해 실시된다. 이외에도 질병 개체의 격리, 성장 정체 개체의 합사 등의 사유로 이동이 발생할 수 있다. 이로 인해 여러 돈사를 관리하는 대규모 양 돈 농장은 돼지의 이동이 더 빈번하게 이루어지게 된다. 대부분의 양돈 농장에서는 재고 오류를 최소화하고 업무 효율성을 높이기 위해, 작업자와 관리자를 분리하여 운영하고 있다. 작업자는 사양 관리 업무 를 수행하며, 이후 해당 결과를 관리자에게 전달한다. 관리자는 일과를 마친 뒤 전달받은 정보를 종합하여 기록한다. 그러나 이동이 빈번한 상황에서 움 직이는 다수의 돼지를 작업자가 직접 확인하는 과정에서 재고 오류가 발생 하게 된다. 이러한 재고 오류를 교정하는 작업은 돈사 내부의 수백, 수천 마 리의 돼지를 재확인하는 과정이 필요하므로 많은 시간과 노동력이 요구된다. 본 연구에서는 다음과 같은 CCTV 기반 돼지 자동 카운팅 시스템을 제안 한다. Segmentation 모델을 활용해 통로 및 문의 영역을 획득하고, 획득한 좌표와 영상처리를 통해 문 열림/닫힘을 인식한다. 문의 상태가 변화하는 것 에 따라 카운팅 알고리즘을 실행 및 종료한다. 이를 통해 농장의 자동화 효 율을 높이고 재고 파악 과정에서 발생하는 오류 및 누락을 감소시키고자 한 다. 실험을 통하여 mAP 0.5(돼지 검출), mIoU(영역 설정), F1-score(문 열림/닫힘), MAE(카운팅)를 측정하였고 실제 돈사 환경에서 mAP 0.5 0.98, mIoU 0.97, F1-score 0.97, MAE 2.027의 성능을 달성함으로써 양돈 농장 자동화에 적용할 수 있음을 확인할 수 있었다. 향후 연구에서는 가려짐이 발생하는 환경에서도 카운팅 정확도를 확보하기 위한 개선 방안을 제안하고, 카메라 오염이나 이물질로 인한 영상 인식 오류를 자동으로 감지 하여 관리자에게 알림을 제공하는 기능을 추가하여, 농장의 자동화 효율을 높일 수 있을 것으로 기대된다.

다국어 초록 (Multilingual Abstract)

In pig farms, various production management tasks such as mating, weaning, farrowing, relocation, and shipping are routinely performed. Throughout these processes, pigs move between facilities such as farrowing houses, nursery barns, growing barns, and finishing barns according to their growth stage. Accurately tracking pig inventory is a key factor in managing livestock, for example when planning vaccination schedules or coordinating shipping timelines, and is also essential for overall farm operation planning. The initial inventory count is recorded when pigs enter a barn, and the inventory is updated as events such as shipping, mortality, and group merging occur during routine management. Farms frequently relocate pigs to maintain appropriate environmental conditions (e.g., temperature, humidity, and space) based on growth stages, and also to isolate diseased animals or regroup individuals with growth delays. In large-scale farms that operate multiple barns, such movements occur even more frequently. To minimize inventory errors and improve operational efficiency, many farms separate workers and managers. Workers carry out daily husbandry tasks and report the results afterward, while managers compile and record the information at the end of the day. However, in environments where animals move frequently, workers must count pigs manually, which reduces accuracy. Correcting errors in inventory records requires substantial time and labor because hundreds or thousands of moving pigs inside the barns must be recounted. This study proposes a CCTV-based automated pig counting system. A segmentation model is used to extract corridor and doorway regions, and door opening and closing are detected using the extracted coordinates and image-processing techniques. The counting algorithm is activated or halted according to door-state changes. This approach aims to enhance farm automation efficiency and reduce errors or omissions that occur in the inventory-tracking process. Experiments were conducted to evaluate mAP 0.5 (pig detection), mIoU (region segmentation), F1-score (door-state recognition), and MAE (counting accuracy). In real barn environments, the system achieved an mAP 0.5 of 0.98, mIoU of 0.97, F1-score of 0.97, and MAE of 2.027, demonstrating its applicability to automated pig-farm management. Future work will focus on improving counting accuracy in occlusion-prone environments and incorporating automatic alerts that detect vision errors caused by camera contamination or foreign objects, further enhancing automation efficiency in pig farms.

목차 (Table of Contents)

• Ⅰ. 서 론 1
• Ⅱ. 관 련 연 구 5
• 2.1. 객체 탐지 모델 5
• 2.2. 다중 객체 추적 7
• 2.3. 돼지 카운팅 연구 동향 8
• Ⅲ 제안하는 방법 10
• 3.1. 영역 설정 알고리즘 12
• 3.2. 문 열림/닫힘 인식 알고리즘 14
• 3.3. 돼지 카운팅 알고리즘 16
• 3.4. 제안하는 돈방 카운팅 시스템 18
• Ⅳ. 실험 결과 21
• 4.1. 실험 환경 21
• 4.2. 돼지 검출 모델 학습 결과 22
• 4.3. 영역 설정(Segmentation) 모델 학습 결과 23
• 4.4. 문 열림/닫힘 인식 정확도 24
• 4.5. 돼지 카운팅 결과 25
• Ⅴ. 결 론 28