본 연구는 YOLOv11과 ByteTrack 기반의 다중 객체 추적 시스템을 실제 양돈 농가 환경에 적용하고, ID 스위치(IDSW) 오류 저감을 위한 현장 제약 기반 보정 방법의 유효성과 한계를 평가하였다. 4개 농가의 서로 다른 사육 밀도(사육 두수 11, 17, 25, 31두) 영상 데이터에 대해 Baseline(ByteTrack)과 ‘사육 펜 내 사육되는 돼지의 두수는 일정하다’는 제약을 이용한 객체 수 제약 기반 ID 보정(Constraint) 방법을 비교하였으며, IDSW를 중심으로 ID 일관성 변화를 분석하였다. 분석 결과, 겹침이 적은 11두 환경에서는 Constraint 적용 시 Baseline 대비 IDSW가 0회로 감소하는 경향을 보였다. 반면, 겹침이 빈번한 31두 환경에서는 공간 정보에만 의존하는 ID 재부여로 ID 오할당이 누적되어 Baseline 대비 IDSW가 2배 이상 증가하고 IDF1이 저하하는 역효과가 확인되었다. 이를 통해 단순 현장 제약 조건만으로는 실제 농가 환경의 복잡한 추적 문제를 해결하는 데 한계가 있음을 확인하였으며, 복잡한 환경에서 안정적 추적을 위해 고도화된 Re-ID 기법 도입이 필요함을 시사한다.
Jang et al. (Sat,) studied this question.