본 논문은 가금류 분뇨 이미지 분석을 통해 콕시디움증, 살모넬라증, 뉴캐슬병과 같은 가금류 전염병을 탐지하기 위한 경량 머신러닝 기반 접근법을 제안합니다. RGB, HSV, LAB 등 다중 색공간 특징 추출과 색상, 질감, 형태 기반 기술자(색상 히스토그램, LBP, 웨이블릿 변환, 에지 검출기 등)를 활용하여 PCA와 XGBoost 특징 선택을 이용한 차원 축소 및 ablation study를 통해 정확성과 계산 효율성을 균형 있게 고려한 압축된 전역 특징 집합을 도출합니다. 이러한 특징으로 훈련된 인공 신경망(ANN) 분류기는 Google Colab에서 GPU 없이 638초의 실행 시간으로 95.85%의 정확도를 달성했습니다. Xception 및 MobileNetV3과 같은 심층 학습 모델과 비교하여 제안된 모델은 훨씬 적은 자원 사용량으로 비슷한 정확도를 제공합니다. 본 연구는 저자원 농업 환경에서 실시간 가금류 질병 탐지를 위한 심층 학습에 대한 비용 효율적이고 해석 가능하며 확장 가능한 대안을 제시합니다.
