정확한 돼지 자세 감지는 동물 활동에 대한 귀중한 통찰력을 제공하며, 이는 건강, 복지 및 생산성의 주요 지표입니다. 유제품 소와 같은 특정 가축 종에 대해 웨어러블 센서를 사용한 활동 모니터링이 표준 접근법으로 자리 잡았지만, 돼지 생산에서의 적용은 실용적인 문제로 인해 제한적입니다. 컴퓨터 비전(CV)과 인공지능(AI)의 발전은 계산침습적인 돼지 행동 모니터링을 가능하게 합니다. 그러나 강력한 CV 모델 개발에는 다양한 주거 환경과 시각적 조건을 포착한 크고 다양한 데이터셋이 필요합니다. 이러한 한계를 해결하기 위해 우리는 다양한 분만 시스템에서의 14,400개의 주석이 달린 돼지 이미지로 구성된 데이터셋 SowPostureDS를 제시합니다. 이미지는 장기간의 비디오 녹화에서 추출되었고, 일관된 방식에 따라 4가지 자세 클래스로 수동 주석이 달렸습니다. 이 데이터셋은 주거 디자인의 다양성, 조명 조건, 돼지의 존재를 반영하여 다양한 환경에서 향상된 견고성을 갖춘 CV 모델 구현에 귀중한 자원을 제공합니다. 사용 사례는 SowPostureDS를 사용하면 모델이 높은 정확도를 달성할 수 있으며, 최소한의 추가 데이터로 전이 학습을 통해 새로운 환경에 효과적으로 적응할 수 있음을 보여줍니다.