밀집된 케이지 내 닭 수를 정확히 계산하는 것은 대규모 양계장에서 주요 과제입니다. 전통적인 수작업 계산 방식은 노동 집약적이며, 비용이 많이 들고 작업자의 피로로 인해 오류가 발생할 가능성이 큽니다. 더욱이, 현재의 딥러닝 모델들은 폐쇄된 환경에서 적합하지 않아 식별의 정확도가 떨어집니다. 이에 대응하여, 우리는 You Only Look Once-Chicken Counting Algorithm (YOLO-CCA)를 제안합니다. YOLO-CCA는 CoordAttention 메커니즘과 Reversible Column Networks 백본을 통합하여 YOLOv8-small 모델을 개선합니다. 이 향상은 YOLOv8-small 모델의 F1 점수를 96.7%(+3%)로, 평균 정밀도 50:95를 80.6%(+2.8%)로 개선시켰습니다. 또한, 연속 프레임 검사 방식을 기반으로 최대 닭 수를 관련된 타임스탬프와 함께 기록할 수 있는 임계값 기반 방법을 개발했습니다. 데이터는 로봇 검사 중에도 신뢰성 있는 추적을 위한 클라우드 데이터베이스에 저장됩니다. 실험은 실제 양계 환경에서, 총 493마리의 닭이 있는 80개의 케이지를 대상으로 수행되었으며 YOLO-CCA는 닭 인식률을 90.9%(+13.2%)로 증가시켰습니다. Jetson AGX Orin 산업용 컴퓨터에서 TensorRT를 사용하여 배포했을 때, 탐지 속도는 90.9 FPS(+57.6 FPS)로 증가했지만, 인식률이 약 93.2%(-2.9%)로 약간 감소했습니다. 요약하자면, YOLO-CCA는 인건비를 줄이고, 계산 효율성을 향상시키며, 지능형 양계장의 변화를 지원합니다.