데이터샤우츠
[2026-04-14 | D-Log] 타이슨 푸즈, 저울 대신 '카메라'를 택하다: CNN 기술로 완성한 스마트 육계 시스템 본문
[2026-04-14 | D-Log] 타이슨 푸즈, 저울 대신 '카메라'를 택하다: CNN 기술로 완성한 스마트 육계 시스템
gibdata 2026. 4. 14. 10:40미국 최대 육류 가공업체 Tyson Foods는 2019년 닭의 몸무게를 일일이 재지 않고도 실시간으로 파악하는 기술을 도입했다. 저울 없이 카메라 영상만으로 닭의 무게와 성장 상태를 오차 범위 3% 이내로 측정했다.
육계 산업은 닭의 체중 변화에 민감하다. 목표 체중 도달 시기를 정확히 예측해야 사료 공급량을 최적화할 수 있다. 성장이 느린 닭에게 사료를 과하게 주면 비용이 낭비되고, 반대 상황에서는 생산 수율이 떨어진다. 대규모 농장에서는 수만 마리를 관리해야 해 수동 측정에 한계가 있었다.
농장주들은 표본 조사를 위해 닭을 직접 잡아 저울에 올렸다. 닭은 이 과정에서 심한 스트레스를 받았고, 표본만으로는 농장 전체 데이터를 대표하기도 어려웠다. 수천 마리가 섞인 환경에서 특정 개체의 성장 상태를 개별 확인하는 건 사실상 불가능했다.
Tyson Foods는 이를 해결하기 위해 농장 내부에 카메라를 설치했다. 합성곱 신경망(convolutional neural networks, CNN)으로 영상에서 닭의 외형을 추출하는 방식이다. 카메라는 닭의 머리부터 꼬리까지의 길이와 몸통 면적을 픽셀 단위로 분석했다.
분석 과정은 2차원 영상에서 닭의 입체적 형태를 읽어내는 것부터 시작한다. 회귀 분석(regression analysis)으로 영상을 3차원 부피로 변환해 최종 무게를 추정한다. 닭이 움직이는 모습은 시계열 분석(time series analysis)으로 추적해 정확도를 높였다.
정지 영상보다 움직이는 닭의 체형 변화를 더 세밀하게 파악할 수 있다. 자세 차이에서 생기는 오차는 컴퓨터 비전(computer vision) 기술로 보정했다. MIT Sloan Review의 관련 분석에 따르면, 유사한 영상 분석 기술은 농작물 수확 시기 결정과 가축 질병 조기 발견에도 쓰인다.
현장 적용 과정은 순탄치 않았다. 닭장 내부의 먼지와 낮은 조도가 영상 인식률을 떨어뜨렸다. 기술팀은 렌즈 자동 세척 장치를 고안하고, 어두운 환경에서도 닭의 윤곽을 잡는 특수 필터를 적용해 인식 정확도를 확보했다.
도입 이후 사료 효율은 5% 이상 개선됐고, 성장 균일도도 높아졌다. 수동 측정에 들던 노동 시간은 90% 이상 줄었다. 닭의 스트레스가 줄면서 폐사율도 눈에 띄게 낮아졌다.
참고 출처