← 목록으로
Animal Welfare

Artificial Intelligence's Potential in Zoo Animal Welfare

정리일 2026-07-16

Artificial Intelligence’s Potential in Zoo Animal Welfare

  • 저자: M. Liptovszky; Emily Polla
  • 출처: Zoo biology (2025)
  • DOI/링크: https://doi.org/10.1002/zoo.70008
  • 연구 계열: Topics/Animal Welfare
  • 투고일: 2024-06-20

TL;DR

AI는 동물원·수족관에서 개체 식별, 공간 이용 및 행동의 자동 모니터링에 활용되고 있다. 미어캣 사례에서는 연중무휴 행동 평가와 공간 이용 시각화를 구현했으며, 적용 확대에는 종·환경별 검증과 전문가 협력이 필요하다고 제안했다.


1. 연구 배경 및 동기

  • 다루는 문제: 동물원·수족관의 복지 평가에는 동물의 행동·생리 상태를 정기적으로 측정하는 일이 중요하다. 수작업 관찰은 시간과 인력이 많이 들어 다양한 종과 개체로 확대하기 어렵다는 문제를 제기했다.
  • 기존의 공백 / 왜 필요한가: 동물원·수족관의 AI 활용 연구는 가축·반려동물·실험동물 분야보다 뒤처져 있다. 비포유류 연구와 행동·생리·환경 정보를 통합한 복지 평가가 부족하다.

2. 관련 연구

  • 기존 연구 흐름: 가축에서는 행동 인식, 번식 시점 예측, 질병 징후 탐지에 AI를 활용했다. 반려동물과 실험동물에서는 개체 식별, 발성 분류, 통증 평가 및 자동 행동 추적 연구가 진행됐다.
  • 이 논문의 위치: 여러 동물 분야의 AI 활용 문헌을 동물원·수족관 복지 평가의 관점에서 정리했다. 저자들이 구축한 미어캣 CCTV 분석 사례를 함께 제시했다.

3. 핵심 기여

  1. 개체 식별·행동 분석·건강 모니터링 기술의 동물원 적용 가능성을 정리했다.
  2. 포유류 편중, 환경 정보 통합 부족, 학습 데이터 편향을 주요 과제로 제시했다.
  3. 미어캣 영상 분석부터 공간 이용 시각화까지 이어지는 실제 구축 사례를 제시했다.
  4. 기관 간 기술 공유와 동물 관리·IT·개발 전문가의 협력을 제안했다.

4. 제안 방법론

  • 전체 접근 논리: AI 관련 문헌을 가축, 반려동물, 실험동물, 동물원·수족관·야생동물로 나누어 활용 사례와 한계를 정리했다. 미어캣 사육장 영상 분석 시스템의 구축·운영 사례를 추가했다.
  • 단계:
    • 동물 분야별로 개체 식별, 행동 분석, 건강·복지 모니터링 사례를 정리했다.
    • 동물원·수족관 적용의 제약과 데이터 통합, 비포유류 연구, 기술 공유 방향을 논의했다.
    • 미어캣 사례에서는 카메라 5대의 일일 120시간 영상에서 프레임 수를 줄이고 정지 영상을 분석해 탐지 위치와 신뢰도를 기록했다.
    • 개체 간 거리와 지정 물체에 대한 근접 정보를 처리하고 Microsoft PowerBI 대시보드와 열지도로 시각화했다.

5. 실험 설정

항목 내용
대상/재료 가축·반려동물·실험동물·동물원·수족관·야생동물의 AI 활용 문헌. 별도 사례 대상은 미어캣 사육장이다.
처리 조건 -
대조군 해당 없음(리뷰)
측정 방법 개체·종 식별 성능, 행동 분류, 위치 추적, 공간 이용, 건강 징후 탐지 및 적용 한계를 종합했다. 미어캣 사례에서는 탐지 위치·신뢰도, 개체 간 근접, 지정 물체 이용 및 시간대별 행동을 분석했다.

6. 실험 결과 분석

지표 변화(Δ) 조건 · 유의성
고릴라 개체 식별 정확도 97% Brookes et al., 2022
북극곰 개체 식별 신뢰도 86.4% Zuerl et al., 2022
북극곰 위치 추정 정확도 약 20 cm Zuerl et al., 2022
수마트라오랑우탄 종 탐지 정확도 95% Congdon et al., 2022
수마트라오랑우탄 개체 식별 정확도 단일 이미지 80%, 50장 92% Congdon et al., 2022
바다거북 행동 분류 정확도 최대 87% 종·방법별 상이, Jeantet et al., 2018
미어캣 탐지의 자세 의존성 기존 분류기 실패, MegaDetector 탐지 전형적인 직립 경계 자세 이외
미어캣 행동·공간 이용 모니터링 24시간·주 7일 평가, 공간 이용 열지도 저자들의 구축 사례

제안 기전(인과 사슬): 자동 수집한 행동·생리·환경 데이터의 AI 통합 분석 → 부정적 상태의 조기 탐지 → 관리자의 조기 개입 → 추가적인 복지·건강 악화 예방 가능성

7. 비판적 평가

강점

  • 여러 동물 분야의 기술 사례를 동물원·수족관의 적용 과제와 연결했다.
  • 실제 미어캣 시스템 구축 사례로 학습 데이터 편향과 전문가 협력의 중요성을 설명했다.

한계 · 의문

  • 문헌 검색 DB·기간·검색어, 포함·제외 기준 및 전체 검토 문헌 수를 제시하지 않았다.
  • 기존 연구는 포유류에 편중됐으며, 단순한 실험실 환경의 성능을 복잡한 동물원 환경에 그대로 적용하기 어렵다.
  • 미어캣 사례의 탐지 성능은 정량 수치 없이 기술했으며, 실제 복지 개선 효과를 수치로 제시하지 않았다.

8. 향후 연구 방향

  • 행동·생리·환경 데이터를 통합해 실시간 복지 평가와 조기 개입을 지원한다.
  • 비포유류와 복잡한 사육 환경에서 기술을 개발·검증하고 학습 데이터 편향을 점검한다.
  • 지역 동물원 단체를 통해 기술·경험을 공유하고 동물 관리·IT·개발 전문가 간 협력을 확대한다.

9. 결론

AI는 개체 식별과 행동·공간 이용 분석을 자동화해 동물원·수족관의 복지 모니터링을 확대할 가능성이 있다. 실제 적용에는 종과 환경에 맞춘 개발, 사람의 전문적 검토, 조직적 지원과 기관 간 경험 공유가 중요하다고 결론지었다.

Keywords

artificial intelligence, animal welfare, zoo, aquarium, behavior monitoring, animal identification, welfare assessment, automation

paperartificial-intelligenceanimal-welfarezooaquariumbehavior-monitoringanimal-identification