암퇘지( Sus scrofa domesticus Erxleben) 의 발정 상태를 파악하는 데에는 상당한 노동 투입이 필요하며, 지속적인 실시간 모니터링은 현실적으로 어렵다. 작업자들은 통상 정해진 간격으로 발정을 확인하고, 경험에 근거하여 인공수정 시점을 결정한다. 그러나 경험 기반 방법은 주관적이며 작업자의 숙련도에 따라 달라져, 대규모 농장에서의 표준화된 관리에 장애가 된다. 본 연구에서는 카메라와 딥러닝을 이용하여 암퇘지를 검출하고 자세 변화(postural changes)를 분석함으로써 발정 탐지와 최적 인공수정 시점 예측을 가능하게 한다. 실험 결과, 제안된 방법은 정확도 70%(42/60)를 달성하였고, 권장 인공수정 시점은 인간의 결정과 비교하여 24시간 미만의 차이를 보였다. 이러한 접근은 데이터 기반의 발정 탐지 및 수정 스케줄링을 촉진하여, 노동 집약도를 낮추고 생식 성과를 개선할 수 있으며, 특히 노동 집약적이고 대규모의 돈사 생산 시스템에 유리할 것으로 기대된다.

사육돈장의 생산 성과를 향상시키기 위해 발정 발현(발정기) 탐지는 가장 중요한 과업 중 하나이다. 그러나 모든 모돈을 일일이 확인하는 데 시간이 많이 소요되며, 특히 특정 근무 시간대에는 발정의 시작 시점을 정확히 판단하기가 어렵다. 또한 발정 판정 기준은 표준화되어 있지 않은데, 관리자는 각자의 경험에 의존하기 때문이다. 본 연구에서는 딥러닝 기법을 이용하여 모돈의 발정을 예측하는 방법을 제안하였다. 모돈을 검출하고 자세를 분류하기 위해 경량 딥러닝 기반 객체 검출 모델인 You Only Look Once version 5 (YOLOv5)를 사용하였다. 또한 각 자세와 유지 시간의 조합으로 구성된 시계열 데이터를 사용하여 지도학습 모델인 Bidirectional Long Short-Term Memory (Bi-LSTM) 예측 모델 중 하나를 학습시켰다. 관리자가 발정을 판정한 24 h 이전의 데이터에 정답(ground truth)을 설정함으로써, 발정 예측 정확도 86 %를 달성하였다. 본 연구는 폐쇄회로 텔레비전(CCTV) 영상의 활용 가능성을 입증하며, 제안된 방법은 발정 확인에 필요한 노동력을 감소시키는 데 기여할 수 있다.