모돈의 자세를 정확하게 감지하는 것은 개체의 활동성에 대한 귀중한 정보를 제공하며, 이는 건강, 복지, 생산성의 주요 지표로 작용합니다. 착용형 센서를 이용한 활동성 모니터링은 젖소 등 일부 가축종에서 표준적인 접근법으로 자리잡았지만, 돼지 생산 현장에서는 실질적인 한계로 인해 적용이 제한적입니다. 컴퓨터 비전(CV)과 인공지능(AI)의 발전은 돼지 행동을 비침습적으로 모니터링할 수 있는 대안적 방법을 제공하고 있습니다. 그러나 견고한 CV 모델 개발을 위해서는 사육 환경과 시각적 조건의 다양한 변동을 포착한 크고 다양한 데이터셋이 필요합니다. 이러한 한계를 극복하기 위해, 본 연구에서는 서로 다른 산실 시스템에서 수집한 모돈 이미지 14,400장을 수록한 SowPostureDS 데이터셋을 소개합니다. 이미지는 장기간 동영상 기록에서 추출하였으며, 일관된 기준에 따라 네 가지 자세 클래스별로 수작업으로 라벨을 부여하였습니다. 본 데이터셋은 사육장 설계, 조명 조건, 자돈의 존재 등 환경적 이질성을 반영하고 있어, 다양한 환경에서 더욱 강건한 CV 모델을 구현할 수 있는 소중한 자원이 될 것입니다. 활용 사례에서는 SowPostureDS로 학습된 모델이 높은 정확도를 달성할 수 있음을 보였으며, 소량의 추가 데이터와 전이 학습을 통해 미관측 환경에도 효과적으로 적용될 수 있음을 입증했습니다.