A CEDNet-based Algorithm for Cattle Detection and Counting in Complex Farming Environment in UAV Imagery

현대 농업의 광활하고 탁 트인 풍경 속에서 대규모 가축 떼를 관리하는 일은 끊임없는 경계가 필요한 작업입니다. 농부들은 가축의 건강과 농장의 효율성을 보장하기 위해 정확히 몇 마리의 동물이 있는지, 그들이 어디에 있는지, 그리고 어떻게 행동하고 있는지를 알아야 합니다. 수십 년 동안 이는 들판을 직접 걸어 다니거나 비용이 많이 들고 노동 집약적인 계수 방식에 의존하는 것을 의미했습니다. 오늘날 기술은 새로운 관점을 제공합니다. 무인 항공기, 즉 드론을 사용하여 초지 위를 비행하며 아래에 있는 가축의 고해상도 이미지를 포착할 수 있습니다. 이러한 이미지는 지면에서는 불가능한 조감도를 제공하지만, 동시에 컴퓨터에게는 독특한 과제를 안겨줍니다. 드론이 밀집된 소 떼를 내려다볼 때, 동물들은 종종 서로 겹치거나, 서로를 가리거나, 진흙 바닥 및 그림자와 섞여 버립니다. 보통 물체 주위에 상자(bounding box)를 그려 인식하도록 훈련된 표준 컴퓨터 프로그램은 이러한 혼란스러운 장면에서 어려움을 겪습니다. 이 프로그램들은 다른 소 뒤에 숨은 소를 놓치거나, 너무 빽빽하게 모여 있는 동물들 때문에 혼동을 일으킬 수 있습니다. 더욱이, 컴퓨터에게 이 동물들을 인식하도록 가르치는 과정은 대개 사람들이 수천 장의 사진 속 모든 소의 주위에 정밀한 상자나 윤곽을 그리는 데 수 시간을 소비해야 하며, 이는 느리고 비용이 많이 들며 규모를 키우기 어려운 과정입니다.

이러한 문제를 해결하기 위해 청두 정보기술대학교와 서남민족대학교의 연구진은 드론 영상을 사용하여 소를 세는 새로운 방법을 개발했습니다. 그들은 실제 농장의 무질서하고 붐비는 현실을 처리하도록 특별히 설계된 C2Net이라는 특화된 컴퓨터 알고리즘을 만들었습니다. 인간에게 모든 동물 주변에 복잡한 상자를 그리라고 요구하는 대신, 이 새로운 방법은 단지 각 소의 중심을 표시하는 간단한 점 하나만을 요구합니다. 데이터를 준비하는 방식의 이러한 작은 변화는 시스템을 훈련하는 데 드는 시간과 비용을 획기적으로 줄여줍니다. 연구진은 개방된 초지부터 붐비는 급이 구역에 이르기까지 다양한 환경에서의 소 사진 약 7,000장을 포함하는 HerdSet7K라는 거대한 새로운 이미지 컬렉션을 구축했습니다. 이 데이터셋에는 소들이 너무 가까이 붙어 있어 하나의 덩어리를 형성하는 장면뿐만 아니라, 컴퓨터가 서로 닿아 있거나 부분적으로 가려져 있을 때도 개별 개체를 식별하는 법을 배울 수 있도록 흩어져 있는 시나리오도 포함되어 있습니다.

이 새로운 시스템의 핵심은 컴퓨터에게 거리와 공간을 보는 법을 가르치는 영리한 방법입니다. 단순히 소의 형태를 찾는 것이 아니라, 알고리즘은 이미지의 모든 지점이 가장 가까운 소로부터 얼마나 떨어져 있는지를 보여주는 지도를 생성합니다. 소들이 빽빽하게 모여 있는 구역에서 이 지도는 각 동물에 대해 겹치지 않는 뚜렷한 영역을 생성하여, 컴퓨터가 혼란 없이 각 동물의 정확한 중심을 찾아낼 수 있게 합니다. 연구진이 '초점 역 거리 변환(focal inverse distance transform)'이라고 부르는 이 접근 방식은 컴퓨터가 시각적으로 합쳐져 있는 개별 동물들을 분리할 수 있도록 돕는 가이드 역할을 합니다. 이 기술을 사용함으로써 시스템은 높은 정밀도로 가축 떼를 셀 수 있을 뿐만 아니라, 각 동물의 위치까지 추적할 수 있는데, 이는 먹이 섭취 습관을 모니터링하거나 소가 부상을 입었는지 또는 싸우고 있는지를 감지하는 데 필수적인 능력입니다.

연구진이 이 새로운 시스템을 다른 선도적인 컴퓨터 비전 모델들과 비교 테스트했을 때, 어려운 조건에서 명확한 우위가 나타났습니다. 지면이 진흙투성이거나, 조명이 나쁘거나, 소들이 밀집된 그룹으로 모여 있는 시나리오에서 전통적인 모델들은 종-종 많은 동물을 놓치거나 잘못 세는 등 실패하곤 했습니다. 그러나 새로운 C2Net 시스템은 정확도를 유지했습니다. 수백 장의 이미지를 대상으로 한 테스트에서, 이 시스템은 경쟁 모델들과 비교했을 때 이미지당 평균 약 20마리의 차이를 보이며 훨씬 낮은 계수 오차율을 달est했습니다. 더 중요한 것은, 다른 시스템들이 포기했던 가장 붐비는 우리에서도 높은 확실성을 가지고 개별 소의 위치를 찾아낼 수 있었다는 점입니다. 또한 이 시스템은 소형 휴대용 컴퓨터에서도 실행될 만큼 효율적이어서, 거대하고 비싼 서버 없이도 드론이나 농업용 로봇에서 실시간으로 사용될 수 있음을 증명했습니다.

이 연구는 매우 정확하면서도 실제 농업 현장에서 실용적인 방식으로 가축 모니터링을 자동화하는 것이 가능하다는 것을 보여줍니다. 복잡하고 시간이 많이 걸리는 주석(annotation) 작업에서 단순한 점 표시로 초점을 전환함으로써, 연구진은 이러한 지능형 시스템을 만드는 장벽을 낮추었습니다. 이 새로운 방법은 단순히 동물을 세는 것에 그치지 않고, 가축 분포의 신뢰할 수 있는 지도를 제공하여 농부가 자원 배분 및 동물 복지에 대해 더 나은 결정을 내릴 수 있도록 돕습니다. 연구팀은 이들의 데이터셋과 알고리즘 코드를 공개하여, 이 개방적인 접근 방식이 미래 농업을 위한 더 스마트하고 효율적인 도구의 발전을 가속화하기를 희망하고 있습니다. 결국, 이 작업은 붐비는 목초지의 혼란스러운 시각적 노이즈를 농부에게 명확하고 실행 가능한 데이터로 바꾸어 주는 지속적인 문제에 대한 실질적인 해결책을 제시합니다.