자동 동물 식별을 위한 등표 디자인 인사이트

본 논문은 외형이 거의 동일한 돼지와 같은 종에서 개체를 자동으로 식별하기 위한 물리적 마커인 등표(Back Mark)의 설계 원칙을 제시한다. 기존 연구에서는 주로 집단 수준의 행동 분석에 초점을 맞추었으나, 개별 식별을 위해서는 별도의 마커가 필요하고, 이러한 마커가 머신러닝 알고리즘에 의해 효과적으로 인식될 수 있어야 한다는 점을 강조한다. **실험 설계** 연구는 두 개의 동일한 사육 펜에서 10마리 돼지를 대상으로 진행되었으며, 각 돼지에 10가지 독특한 등표를 부착하였다. 등표는 점·선·문자 등으로 구성된 기하학적 패턴이며, 숫자 대신 기호를 사용해 적용이 용이하도록 설계되었다. 촬영은 HIKVISION DS‑2CD5046G0‑AP 카메라(1200×780, 25 fps, fisheye)로 측면에서 이루어졌고, 11개의 10~30초 길이 비디오 클립을 수집하였다. 인간 라벨러가 모든 프레임에 바운딩 박스를 지정하고, 이를 바탕으로 26,260개의 크롭 이미지를 학습용으로, 500개씩을 검증·테스트용으로 구성하였다. **모델 및 학습** 이미지 분류에는 ResNet‑50(Deep Residual Network)을 사용했으며, PyTorch 프레임워크로 구현하였다. 학습 과정에서는 수평·수직 플립, 무작위 회전, 색상·밝기·대조·채도·색조 변형, 일정 확률의 그레이스케일 전환 및 블러 적용 등 다양한 데이터 증강 기법을 적용하였다. 이러한 증강은 실제 현장에서 발생할 수 있는 조명 변화, 카메라 각도 변동, 동물의 움직임 등을 시뮬레이션하기 위함이다. **성능 및 오류 분석** 검증 데이터에서 91%의 정확도를 달성했지만, 테스트 데이터에서는 69%로 감소하였다. 클래스별 정확도 차이가 크게 나타났으며, 특히 ‘reverse t’ 등표는 38%에 불과했다. 오류 원인을 파악하기 위해 Grad‑CAM 기반 픽셀 중요도 시각화를 수행했으며, 세 가지 주요 행동 요인이 식별 오류와 연관됨을 확인하였다. 1. **모션 블러**: 빠른 움직임으로 인해 등표의 핵심 선이 흐려지면, ‘reverse t’가 ‘vertical line’과 유사하게 보인다. 2. **시점 변화**: 카메라 각도가 달라지면 등표가 회전·투영되어 다른 형태와 혼동된다. 예를 들어 ‘reverse t’가 ‘v’ 혹은 ‘x’와 비슷하게 인식된다. 3. **가림(Occlusion)**: 다른 돼지와 근접하거나 겹치면 등표의 일부가 가려져, ‘line line horizontal’과 ‘o’ 사이의 구분이 어려워진다. 또한, 데이터 증강 자체가 등표 디자인에 미치는 영향을 분석하였다. 색상 변형은 컬러 등표의 구분성을 약화시키고, 그레이스케일 변환은 색 기반 구분을 완전히 차단한다. 크롭 증강은 등표의 일부분만 보이게 하여 ‘reverse t’와 ‘vertical line’, ‘line line horizontal’과 ‘o’ 사이의 혼동을 초래한다. 플립 증강은 대칭 형태의 등표를 서로 뒤바꾸어 인식 오류를 일으키므로, 대칭이 가능한 디자인은 피해야 한다. **디자인 권고사항** 위 분석을 토대로 두 가지 핵심 설계 원칙을 제시한다. - **행동 기반 강인성**: 등표는 빠른 움직임, 다양한 자세, 군집 내 근접 등 실제 동물 행동에 의해 발생할 수 있는 블러·시점·가림 상황에서도 핵심 특징(굵은 선·뚜렷한 기하학적 구조·고대비 색상)이 유지되도록 설계한다. - **증강 친화성**: 일반적인 데이터 증강(색상·밝기·대조 조정, 플립, 크롭)을 고려해 대칭이 없는 비대칭 형태와 색상 의존도가 낮은 디자인을 채택한다. 예를 들어, 비대칭적인 문자형 등표나 굵은 색 대비를 가진 패턴이 적합하다. **결론 및 향후 과제** 연구는 등표 디자인이 머신러닝 기반 개체 식별 정확도에 미치는 영향을 실증적으로 보여준다. 제시된 설계 원칙은 정밀 축산(Precision Livestock Farming)뿐 아니라 야생 동물 모니터링, 실험동물 행동 연구 등 다양한 분야에 적용 가능하다. 향후 연구에서는 더 많은 종과 다양한 환경(조명, 배경)에서의 검증, 그리고 실시간 추적 시스템과의 통합을 통해 설계 가이드라인을 확장할 필요가 있다. **감사의 글 및 참고문헌** 본 연구는 오스트리아 과학 기금(FWF) 지원을 받았으며, 데이터는 “Let me out” 프로젝트에서 제공받았다. 주요 참고문헌으로는 ResNet‑50 원논문, Grad‑CAM 시각화 논문, 그리고 동물 행동 및 마커 활용에 관한 선행 연구들이 인용되었다.