서론: IoT는 어떻게 아프리카돼지열병 조기 경보의 무기가 되었나
동물 감염병 방역은 빨리 알수록 좋습니다. 아프리카돼지열병(African Swine Fever, ASF)은 세계에서 가장 파괴적인 돼지 전염병 중 하나입니다. 베트남은 2022년부터 자국산 약독화 생백신을 승인했지만 국제적으로 안전성에 대한 우려가 남아 있고 대만은 사용을 승인하지 않았으므로, 방역은 여전히 생물안전에 의존할 수밖에 없습니다. 사물인터넷(Internet of Things, IoT)을 축산 현장에 쓰는 것, 즉 "정밀 축산"(Precision Livestock Farming, PLF)은 감염을 일찍 감지하는 데 도움이 됩니다.
정밀 축산은 센서, 카메라, 알고리즘으로 돼지에게 하루 종일 작동하는 건강 관찰 시스템을 만들어 줍니다. Gómez 등(2021)이 "Frontiers in Veterinary Science"에 발표한 체계적 문헌고찰에 따르면 사물인터넷 기술은 행동, 생리, 환경 데이터를 계속 수집할 수 있어 돼지 복지 향상과 질병 관리에 큰 잠재력이 있습니다. 다음은 이 기술이 아프리카돼지열병을 예측해 경보하는 데 쓰이는 세 가지 활용 측면입니다.
1. 행동에서 이상 감지: 활동 패턴이라는 첫 번째 경보선
돼지의 일상 행동으로 건강 상태를 알 수 있습니다. Huang 등(2024)이 "Computers and Electronics in Agriculture"에 발표한 연구에 따르면 건강한 돼지는 매일 오전 5시에서 10시, 오후 2시에서 6시경에 뚜렷한 활동 정점을 보이며, 활동 이상(지나치게 가만히 있거나 활동량이 줄어드는 것 등)은 질병 초기의 징후인 경우가 많습니다.
아프리카돼지열병은 초기부터 돼지의 행동을 바꿔 놓아 졸음이 늘고 움직임이 줄어듭니다. 카메라와 가속도계(대부분 귀표에 내장)로 돼지 한 마리 한 마리의 움직임 패턴과 자세를 실시간으로 추적하고, 알고리즘으로 "정상적인 하루 규칙"과 비교해 이상 가능성이 있는 개체를 빠르게 가려낼 수 있습니다.
또한 Arulmozhi 등(2021)이 "Animals"에 밝힌 바에 따르면 이런 영상 중심의 행동 모니터링 기술은 비용이 낮아 특히 중소 규모 양돈장에 적합합니다.
2. 체온 추적: 디지털 이표가 돼지의 ‘온도 감지 피부’가 되다
체온 상승은 염증과 감염을 가장 직관적으로 보여 주는 지표입니다. Gómez 등(2021)은 열화상 카메라, 적외선 온도계, 내장형 센서 같은 IoT 장치로 비접촉·연속 체표 온도 모니터링이 가능해져 조기 감지 성능이 더욱 강화되었다고 지적합니다.
Huang 등(2024)은 이표 온도 데이터가 환경과 행동의 영향을 받더라도 ‘돈군 전체의 추세’와 비교하면 숨은 이상을 발견할 수 있다는 점도 밝혀냈습니다. 예를 들어 어떤 돼지가 낮 동안 ‘체온 하강’ 추세를 반복해서 보인다면, 이는 발열 후 스스로 서늘한 곳을 찾아 쉬고 있기 때문일 수 있으며, 이러한 역방향 변화가 잠재적인 병징입니다.
3. 데이터 통합: 단일 지점 감지에서 종합적인 조기 경보로
단일 센서로도 이상을 발견할 수 있지만 행동, 생리, 섭식, 음수 데이터를 통합해 교차 비교하면 조기 경보가 더 정확해집니다.
Trabachini 등(2025)이 "Animals"에 발표한 문헌 검토에 따르면 여러 센서의 데이터를 랜덤 포레스트(Random Forest)와 딥러닝 시스템 같은 AI 모델에 넣으면 정상 돼지와 이상 돼지를 효과적으로 구분해 관리자가 실행할 수 있는 판단 근거로 바꿀 수 있습니다.
또한 RFID 기술과 로드셀을 결합하면 돼지 한 마리 한 마리의 섭식과 음수 행동도 모니터링할 수 있습니다. 먹는 방식의 미세한 변화는 병이 나기 전에 가장 먼저 나타나는 이상 중 하나인 경우가 많습니다.
결론: 돈사 데이터로 일찍 경보를 내세요
정밀 축산은 "디지털 눈"(카메라)과 "디지털 피부"(센서)로 감지 시스템을 만들어 대량의 데이터를 실시간으로 비교하며 감염이 터지기 전에 먼저 경보를 내는 것입니다.
YenProtek의 양돈 정보 관리 시스템은 기록 통합부터 시작할 수 있습니다. 이표 번호로 번식, 투약, 환경, 생물 안전 기록을 연결하고, 축사 내 환경은 FarmerPack으로 측정하며, 축사별 기준을 넘으면 알려 드립니다.
참고 문헌:
- Gómez, Y., et al. (2021). A Systematic Review on Validated Precision Livestock Farming Technologies for Pig Production and Its Potential to Assess Animal Welfare. Frontiers in Veterinary Science, 8:660565. https://doi.org/10.3389/fvets.2021.660565
- Huang, Y., et al. (2024). Analysis of pig activity level and body temperature variation based on ear tag data. Computers and Electronics in Agriculture, 219, 108768. https://doi.org/10.1016/j.compag.2024.108768
- Arulmozhi, E., et al. (2021). The Application of Cameras in Precision Pig Farming: An Overview for Swine-Keeping Professionals. Animals, 11(8), 2343. https://doi.org/10.3390/ani11082343
- Trabachini, A., et al. (2025). Precision Livestock Farming Applied to Swine Farms—A Systematic Literature Review. Animals, 15, 2138. https://doi.org/10.3390/ani15142138
- Benjamin, M., & Yik, S. (2019). Precision Livestock Farming in Swine Welfare: A Review for Swine Practitioners. Animals, 9(4), 133. https://doi.org/10.3390/ani9040133