A Real-Time Wildlife Roadkill Detection Approach Using YOLOv8

YOLOv8을 이용한 실시간 야생동물 로드킬 탐지 기법

Increasing urbanization and road development have led to severe wildlife roadkill incidents, posing a significant social challenge. Especially in Korea, the high road density increases the exposure of wildlife to roadkill risks. This study proposes a wildlife object detection system using the latest object detection technology, YOLOv8, to mitigate domestic wildlife roadkill incidents. Using Roboflow for preprocessing, six mammal species were selected and the YOLOv8 model was trained, achieving high accuracy with mAP50 of 0.986 and mAP50-95 of 0.86. Comparative experiments with YOLOv5 and YOLOv7 demonstrated the superior performance of YOLOv8. The proposed system effectively detects animals even with protective coloration, contributing to the reduction of roadkill incidents and assisting in the design and placement of ecological corridors and guide fences. This research provides an important technological foundation for improving wildlife safety and maintaining ecological balance in urbanized areas.

지속적인 도시화와 도로 개발로 인해 야생동물의 로드킬 사고가 심각한 사회적 문제로 대두되고 있다. 특히 한국은 높은 도로 밀도로 인해 야생동물이 로드킬 위험에 더욱 노출되어 있다. 본 연구는 최신 객체 탐지 기술인 YOLOv8 모델을 활용하여 국내 야생동물 로드킬 사고를 예방하기 위한 객체 탐지 시스템을 제안한다. Roboflow를 이용해 6종의 포유류 이미지 데이터를 전처리한 후, YOLOv8 모델을 학습시켜 높은 정확도(mAP50: 0.986, mAP50-95: 0.86)를 달성하였다. 또한, YOLOv5 및 YOLOv7과의 비교 실험을 통해 YOLOv8의 우수성을 입증하였다. 본 연구는 보호색을 가진 동물들에서도 높은 탐지 성능을 보여 로드킬 사고 감소와 야생동물의 안전한 이동을 지원하며, 생태 통로 및 유도 울타리의 설계와 배치에 중요한 기초 자료를 제공한다.