최근 우리나라 축산업은 글로벌 경제 환경에서의 경쟁력 저하, 밀집사육, 악취, 축산인 고령화, 재난형 질병 반목, 식품안전, 동물 복지 등의 문제에 직면하고 있다. 이러한 산업 환경에서 축산업의 지속가능한 성장을 위해서는 4차 산업혁명 기술과 축산업의 융합이 필요하다. 따라서, 생산성 향상을 위해 축사 환경 및 사양관리, 안전한 축산물 생산, 동물 복지 등에 데이터를 기반으로 한 기술이 축산업에 도입되고 있다. 또한, 정부는 정책적으로 축산물의 생산성 향상 및 축산 환경을 개선하기 위해 ICT기반의 축사시설 현대화를 통한 스마트 축사 보급 사업을 2017년부터 진행하고 있다. 그러나 현재 스마트 축사는 모니터링과 제어의 연계성, 다양성, 통합성 등에서 한계가 있다. 그러므로 다양한 모니터링과 제어의 연계 및 통합을 하기 위해 지능화된 알고리즘 및 원격 제어로 축산의 모든 과정을 지능적으로 시스템화하기 위해서는 사물인터넷, 빅데이터, 인공지능, 클라우드 컴퓨팅, 모바일 등 지능정보 기술을 기반으로 한 스마트 축산 시스템 개발이 필요하다.
본 연구는 기존 축사 관리에 디지털트윈과 인공지능 기술을 적용하는 연구를 진행하였다. 선행 연구 부분에서는 스마트 팜, 스마트축사, 디지털트윈, 인공지능 등 배경 기술에 대해서 살펴본 후, 지능정보기술 기반 및 디지털 트윈의 스마트 축사 관련 국내외 선행 연구를 살펴보았다. 그리고, 본론에서는 기존 디지털 트윈 모델에 대해서 연구한 후, 인공지능 기반 스마트 축사를 위한 디지털 트윈 모델을 제안하였다.
이어서, 인공지능 기반 스마트 축사 디지털 트윈 모델의 유효성을 검증하기 위하여 스마트 축사에서 수집된 데이터를 가지고 발정 발생시 이를 탐지하는 시나리오에 따라 발정과 연관 깊은 각각의 데이터에 적합한 인공지능 모델을 구현하고 테스트 하였다. 발정 탐지는 한우 및 젖소 등 대동물 사육시 생산성 향상에 크게 영향을 미치는 사육 활동이기 때문에 발정 탐지를 대표적인 시나리오로 선정하게 되었다. 발정 탐지와 관련된 데이터는 한우와 젖소의 행동 영상과 발성음 데이터다. 따라서, 한우 축사와 젖소 축사에서 CCTV, 녹음기 등을 통해서 수집되는 영상과 소리 데이터를 가지고 가공하여 인공지능 모델의 학습과 검증에 적용하였다. 한국지능정보사회진흥원에서 제공하는 강원도, 경기도, 충청도, 경상동, 전라도 등 지역의 한우 및 젖소 농장에서 수집된 이미지, 음성 데이터를 사용하였다. 데이터는 데이터 수집, 정제, 가공, 라벨링 및 비식별화 처리를 통하여 구축되었다.
한우와 젖소의 발정 탐지를 위한 인공지능 모델은 각각 가축의 특성에 따라 다른 모델을 적용하였다. 한우의 경우 다중 객체 탐지 및 인식기법을 적용하였다. 동물의 상태 이미지 학습을 위한 인공지능학습으로, 객체를 분류할 수 있는 CNN, 객체를 검출할 수 있는 Faster R-CNN, YOLO, 객체를 분할하여 마스킹 하는 Mask R-CNN을 선택하였다. 젖소의 경우, 객체 검출에 DetectoRS 모델을 사용하였고, 키 포인트 검출 학습에 HRNet 모델, 행동인식 학습에 PoseC3D 모델, 음성 분류 학습에 CNN 등을 사용하였다.
테스트는 한우 및 젖소 모두 이미지 및 발성음 데이터 쌍을 가지고 하였다. 이미지 또는 발성음 데이터를 가지고 인공지능 학습을 진행하였을 때 보다 두 가지를 모두 가지고 학습 하였을 때 더 높은 성능 결과를 얻을 수 있었다. 한우 테스트에서는 평균적으로 정확도 4.4%와 F1 Score 3.1%, 젖소 테스트에서는 정확도 35.2%, F1 Score 21.6% 등이 더 향상되었다. 따라서 한 가지 데이터로 인공지능 모델링을 하였을 때보다 다양한 데이터를 활용하였을 때 시나리오에서 획득하고자 하는 목적에 더 부합하다는 사실을 검증할 수 있었다.
본 연구는 인공지능 기반의 스마트축사 디지털 트윈 시스템 개발에 활용할 수 있으며, 많은 시나리오별 인공지능 모델링에도 활용할 수 있다. 나아가 스마트 축사 구현을 위한 멀티 모달 인공지능 개발에도 활용될 수 있기를 기대한다.