부검 시 폐 병변의 정확한 분류는 진단 과정을 안내하고 돼지 호흡기 질병의 효과적인 관리를 보장하는 데 필수적입니다. 도축 시 폐의 사후 검사는 질병 발생에 대한 귀중한 통찰력을 제공하며, 농장 내 예방 및 통제 전략의 효용성에 대한 유용한 피드백을 제공합니다. 그러나 높은 도축 속도와 낮은 평가자 간 일치도로 인해 수작업 평가 프로토콜이 저해되며 지속적인 데이터 수집에 한계가 있고, 비교 가능성에도 장애가 따릅니다. 인공지능, 특히 컴퓨터 비전(CV)은 유망한 대안을 제공할 수 있습니다. 이 연구에서는 돼지 폐의 해부구조와 병변을 세분화하기 위해 상용 CV 모델을 훈련하고 테스트하는 것을 목표로 했습니다. 도축 시 총 1742개의 폐가 수집되었으며, 육안으로 검사되고 측면에서 사진이 촬영되었습니다. 돼지 병리학 분야의 전문 지식을 가진 두 명의 수의사가 해부학적(폐, 심장, 폐엽), 병리학적(기관지폐렴, 섬유성 흉막폐렴, 만성 흉막염), 그리고 인위적(실질 열상, 혈액의 기관지 흡입) 범주를 손으로 주석을 달아 모델 훈련 및 테스트를 위한 참조 데이터셋을 형성했습니다. 이러한 범주에 대한 모델 성능은 신뢰 임계값에 따라 다르며, 예민도는 36-84%, 양성 예측 값은 62-93%, F1 점수는 52-78%로 불완전하지만 개선 가능성을 나타냈습니다. 전반적으로 해부학적 구조 분할이 병변 탐지보다 뛰어났으며, 이는 훈련 데이터셋의 클래스 불균형과 폐 질환의 복잡성 때문으로 보입니다. 디지털 이미지를 통한 폐 병변의 표준화 및 실시간 탐지를 통합하면 호흡 건강 감시가 개선되고, 도축시설의 전략적 역학 관측소 역할을 강화할 수 있을 것입니다.