LabHub

블로그

AI 자연 & 새 관찰 & 야생 식별 앱 2026 완벽 가이드 - Merlin Bird ID (Cornell) · iNaturalist · eBird · BirdNET · Picture Insect · Seek · PlantNet (Pl@ntNet) · PictureThis · Google Lens · 모야모 · 키위라이브 · Picture Bird · ヤマレコ 심층 분석

2026-05-16 · 28 분 읽기 · #ai-nature#birdwatching#wildlife-id#merlin-bird-id#inaturalist#ebird#birdnet#picture-insect#seek#plantnet#picturethis#moyamo

한국어English日本語

들어가며 — 2026년 5월, AI 자연 식별이 "전문가 수준"에 도달했다

2020년만 해도 휴대폰으로 새소리 한 번에 종(species)을 맞히는 일은 마술 같았다. 2026년 5월 현재, 그건 Merlin Bird ID의 Sound ID 한 탭으로 끝난다. Cornell Lab of Ornithology가 운영하는 무료 앱은 미국 동부에서 96% 이상, 유라시아권에서 85% 이상의 종 단위 정확도를 보고하고 있고, iNaturalist는 누적 관측치 2억 건을 넘기며 시민 과학(citizen science) 인프라를 만들었다.

이 글은 마케팅 매트릭스가 아니라 "지금 현장에서 어떤 앱이 어떤 자리에 들어가는가"를 정직하게 짚는다. 새, 식물, 곤충, 버섯, 광물, 그리고 등산 / 트레일 앱까지 — 한국 모야모와 키위라이브, 일본 YAMAP과 ヤマレコ까지 모두 포함해 2026년 라인업을 본다.

AI 자연 식별 2026 — 7개 카테고리로 분해하기

먼저 큰 그림이다. 2026년 자연 관찰 앱 시장은 다음 7개 카테고리로 나뉜다.

  1. 새 식별 — 음향 + 사진: Merlin Bird ID, BirdNET, Picture Bird
  2. 새 관측 로그 / 시민과학: eBird, iNaturalist
  3. 종합 야생 식별: iNaturalist, Seek
  4. 식물 식별: Pl@ntNet, PictureThis, PlantSnap, 모야모
  5. 곤충 / 버섯 / 광물 식별: Picture Insect, Picture Mushroom, Rock Identifier
  6. 등산 / 트레일 / 자연 코스 앱: AllTrails, Komoot, Gaia GPS, YAMAP, 트랭글
  7. 스마트 카메라 / 피더: Bird Buddy, Birdfy(Netvue)

각 카테고리 안에서도 OSS / 학계 / SaaS / 정부 데이터 트랙이 갈라진다. 아래부터 한 카테고리씩 본다.

Merlin Bird ID — Cornell Lab이 만든 무료 절대강자

Cornell Lab of Ornithology의 Merlin Bird ID는 2026년 5월 기준 새 식별 앱의 절대강자다. 무료, 광고 없음, 오픈 데이터 기반이라는 세 박자가 갖춰져 있다.

세 가지 식별 모드를 모두 한 앱에서 제공한다.

내부 모델은 사운드와 비전 양쪽 다 CNN 기반 + transformer 후처리 구조로 알려져 있다. 학습 데이터는 Macaulay Library(Cornell) 음원과 eBird 사진 + 위치 메타데이터다.

# Cornell의 BirdNET-Analyzer (학술 / OSS) 로컬 실행 예시
# Merlin 자체는 폐쇄 모델이지만 같은 랩의 BirdNET은 OSS로 공개되어 있다.
pip install birdnetlib
python - <<'PY'
from birdnetlib import Recording
from birdnetlib.analyzer import Analyzer

analyzer = Analyzer()
rec = Recording(
    analyzer,
    "field-recording.wav",
    lat=37.5665, lon=126.9780,  # 서울 좌표
    date=__import__("datetime").datetime(2026, 5, 16),
    min_conf=0.25,
)
rec.analyze()
for d in rec.detections:
    print(d["common_name"], d["confidence"])
PY

Merlin은 앱 단독으로 완결되는 시민-과학 도구다. 한국 사용자는 "지역(region) 팩"으로 Northeast Asia를 내려받으면 한국 / 일본 / 동해 연안 종을 모두 다룬다.

BirdNET — 오픈소스 음향 ML의 기준점

BirdNET은 Cornell Lab과 TU Chemnitz가 공동 개발한 음향 새 식별 모델이다. Merlin이 폐쇄형 일반 사용자 앱이라면, BirdNET은 학계 / OSS 백엔드다.

BirdNET은 학술 인용도 활발하다. 2026년 5월 기준 Google Scholar 인용 6,000건 이상이고, 환경부 / NIBR / 일본 환경성 등 정부 모니터링 프로젝트에서도 백엔드로 쓴다.

# BirdNET-Analyzer를 활용한 정원 24/7 모니터링
from birdnetlib import Recording
from birdnetlib.watcher import DirectoryMultiProcessingAnalyzer
from birdnetlib.analyzer import Analyzer

analyzer = Analyzer()
watcher = DirectoryMultiProcessingAnalyzer(
    "/data/recordings",
    analyzers=[analyzer],
    lat=37.5665,
    lon=126.9780,
    min_conf=0.40,
)
watcher.watch()

Merlin과 BirdNET은 같은 가족 / 다른 인터페이스라고 보면 된다. 사용자는 Merlin을, 연구자 / 시민 모니터링 운영자는 BirdNET을 택한다.

eBird — 시민과학 새 관측 데이터의 글로벌 표준

eBird 역시 Cornell Lab이 운영한다. 2002년 출시, 누적 관측치 17억 건(2026년 5월 기준)이 넘는 새 관측 로그 플랫폼이다.

eBird 데이터는 학술 연구의 1차 입력 데이터로 자주 쓰인다. Macaulay Library 음원, eBird 사진, eBird 체크리스트는 사실상 Cornell의 통합 데이터 자산이다.

iNaturalist — 캘리포니아 과학원 + 내셔널지오그래픽의 종합 야생 ID

새가 아닌 모든 생물의 식별 / 기록 표준은 iNaturalist다. 캘리포니아 과학원(California Academy of Sciences)과 National Geographic Society가 공동 운영하고, 2026년 5월 기준 누적 관측치 2억 건 + 활성 사용자 320만 명을 넘겼다.

핵심 가치 두 가지가 있다.

  1. AI 1차 식별 + 전문가 / 커뮤니티 검증: 사용자가 사진을 올리면 비전 모델이 후보 종을 제시하고, 커뮤니티가 합의(Research Grade)에 도달하면 GBIF로 흘러간다.
  2. 데이터의 학술 환원: Research Grade 관측치는 GBIF(Global Biodiversity Information Facility)에 자동 흐름. 즉 시민-과학 → 글로벌 학술 데이터 파이프라인.

iNaturalist API는 OAuth2 기반으로 무료 공개되어 있고, 한국어 / 일본어 종명 자동 매핑이 2024년 이후 크게 개선됐다.

# iNaturalist Observation API 예시 — 서울 반경 50km 5월 관측치
import requests

resp = requests.get(
    "https://api.inaturalist.org/v1/observations",
    params={
        "lat": 37.5665,
        "lng": 126.9780,
        "radius": 50,
        "month": 5,
        "year": 2026,
        "quality_grade": "research",
        "per_page": 50,
    },
    timeout=10,
)
data = resp.json()
for obs in data["results"][:10]:
    name = obs.get("taxon", {}).get("name")
    place = obs.get("place_guess")
    print(name, "@", place)

iNaturalist의 무서운 점은 "AI가 틀려도 커뮤니티가 잡아 준다"는 보정 루프다. 단일 AI 모델만 믿는 다른 앱과 가장 큰 차이다.

Seek by iNaturalist — 아이 / 입문자를 위한 게이미피케이션

같은 운영 주체가 만든 Seek은 iNaturalist를 가족 / 초등생 친화 버전으로 단순화한 앱이다.

내부 모델은 iNaturalist의 비전 모델을 가벼운 모바일 빌드로 증류(distill)한 형태다. 2026년 기준 정확도는 일반인 / 비전공자 식별 능력을 평균적으로 능가한다.

Audubon Bird Guide & iBird Pro — 미국 새 도감 라인업

미국 시장에는 Audubon Society가 만드는 Audubon Bird Guide와 상용 도감 앱 iBird Pro가 별도로 자리잡고 있다.

Merlin이 AI 1차 식별, eBird가 로그, Audubon / iBird가 "도감 + 읽을거리" 역할로 갈린다. 미국 birder들은 보통 셋을 함께 깐다.

Sibley Birds & Collins Bird Guide — 도감 권위서 디지털판

종이 도감의 권위서가 그대로 디지털화된 라인업이 있다.

이 라인업은 AI 식별보다는 권위 있는 일러스트 + 음원이 핵심이다. AI 도구로 식별하고, 도감으로 더 자세히 확인하는 흐름.

Pl@ntNet — 학계가 만든 식물 식별의 기준점

식물 식별 쪽 학계 표준은 Pl@ntNet이다. 프랑스 CIRAD / INRA / IRD / INRIA 공동 운영, Agropolis Fondation 후원.

Pl@ntNet은 정확도 자체는 PictureThis 같은 상용 앱보다 다소 떨어진다는 평가가 있지만, 데이터가 공개된다는 점이 학계 / 환경부 입장에서 결정적이다.

PictureThis · PlantSnap · NatureID — 상용 식물 식별 앱

소비자 시장에서는 상용 식물 식별 앱이 큰 비중을 차지한다.

이들의 비즈니스 모델은 AI 식별 → 가드닝 가이드 / 화분 케어 / 병해 진단 구독으로 수익화하는 구조다. Pl@ntNet 같은 무료 학계 도구와는 명확히 다른 트랙.

Google Lens & LeafSnap — 범용 비전 도구의 식물 모드

전용 앱이 아니더라도 Google Lens는 자연 식별의 1차 도구로 자주 쓰인다. 식물 / 동물 모드가 별도로 분리되어 있지는 않지만, Lens의 일반 비전 모델은 흔한 종 식별에서는 충분히 정확하다.

LeafSnap은 스미소니언 / 컬럼비아 대학이 공동 개발한 잎-기반 식별 앱이다. 잎 모양 학습 데이터가 강점.

범용 모델 vs 전용 모델의 트레이드오프는 명확하다. Lens는 "이게 뭐지?" 1차 스크리닝에 좋고, Pl@ntNet / PictureThis는 정확한 종까지 좁히는 데 강하다.

Picture Insect & Insect ID — 곤충 식별

곤충 식별은 새 / 식물보다 모델 학습 난이도가 훨씬 높다. 종 수가 압도적으로 많고, 사진 한 장에서 종까지 좁히기 어려운 케이스가 많다.

전문 곤충 연구자는 여전히 종 수준 식별을 AI에만 맡기지 않는다. 속(genus) 수준까지 좁히고 사람 전문가가 마무리하는 흐름이 표준.

Picture Mushroom & Shroomify — 버섯 식별의 위험과 기회

버섯 식별은 AI 정확도가 부족하면 생명을 위협할 수 있는 카테고리다. 식용 / 독버섯의 외형이 유사한 사례가 흔하기 때문이다.

이 카테고리의 가장 큰 가치 / 위험은 "먹어도 되는지" 결정에 AI를 쓰지 않게 하는 UX다. 2024-2026년에 들어 모든 메이저 앱이 "절대 단독 식별로 먹지 말 것" 경고를 1단계에 강제하고 있다.

Rock Identifier & PictureMinerals — 광물 식별

광물 / 암석 식별은 이미지만으로 정확도를 내기 어려운 카테고리지만, Rock Identifier가 사실상 표준이다.

광물은 결정 구조 / 경도 / 비중 같은 비-시각적 특성이 결정적인데, 사진만으로는 한계가 명확하다. 이 카테고리는 AI보다 사람 전문가의 가치가 가장 큰 영역이다.

AllTrails · Komoot · Gaia GPS — 등산 / 트레일 앱 글로벌 표준

자연 관찰은 결국 어딘가에 가야 한다. 등산 / 트레일 앱 글로벌 3대장은 다음과 같다.

2026년에는 AllTrails AI Trail이 트레일 추천 / 컨디션 예측 / 인파 예측까지 LLM 기반으로 확장했다. Komoot도 비슷한 라인을 따라가는 중.

한국 등산 / 자연 앱 — 산경맵, 트랭글, 모야모, 키위라이브

한국 자연 / 등산 앱 라인업은 다음과 같다.

특히 모야모는 한국 자생식물 데이터가 글로벌 앱들보다 압도적으로 좋다. iNaturalist / Pl@ntNet은 한국 종 일부가 잘 안 잡히는 케이스가 있어, 한국 사용자는 모야모 + iNaturalist를 같이 깐다.

일본 자연 / 등산 앱 — YAMAP, ヤマレコ, いきものログ

일본 시장은 등산 / 자연 앱이 가장 발달한 시장 중 하나다.

YAMAP은 일본 시장에서 워낙 깊게 자리잡아서 "등산 인증 = YAMAP 로그"가 사실상 표준이 됐다. AI 자연 식별은 YAMAP 자체보다 일본에서도 iNaturalist / Pl@ntNet / Merlin이 우세하다.

Bird Buddy & Birdfy — 스마트 새 피더의 부상

2023년 이후 스마트 새 피더(smart bird feeder) 카테고리가 빠르게 성장했다.

이 카테고리는 하드웨어 + AI 비전 + 클라우드 구독의 결합이다. 식별 정확도는 Merlin / iNaturalist만큼은 아니지만, 정원이라는 한정된 공간 / 카메라 거리에 특화되어 실제 사용 경험은 훌륭하다.

GBIF & 오픈 생물다양성 데이터 — 학술 데이터의 허브

자연 관찰 앱들의 데이터 환원 종착지가 GBIF (Global Biodiversity Information Facility)다.

연구자 / 환경 정책 분석가는 GBIF를 1차 데이터 소스로 쓴다. 시민이 모야모 / Merlin / iNaturalist에서 한 번 사진을 올리면, 그 데이터가 GBIF를 거쳐 보전 정책의 입력값이 된다.

AI 기술 — CNN + 트랜스포머 + 음향 스펙트로그램 + 지리 prior

자연 식별 모델의 2026년 표준 아키텍처는 다음과 같다.

학술 컨퍼런스로는 NeurIPS Wildlife Conservation 워크숍, AAAI AI for Social Good, CVPR FGVC(Fine-Grained Visual Categorization) 가 핵심이다.

시민과학 이벤트 — Project FeederWatch, Christmas Bird Count, BioBlitz

자연 관찰 앱이 받쳐 주는 시민과학 이벤트도 중요하다.

이 이벤트들은 AI 식별 앱이 없으면 사실상 운영이 불가능해진 게 2020년대의 큰 변화다. 모든 참가자가 전문가일 수 없다는 전제를, AI 1차 식별이 해소했다.

보전 AI — Wildbook, AI for Earth, Rainforest Connection

자연 식별 앱과 인접한 보전 AI(conservation AI) 라인업도 본다.

이 라인업은 일반 사용자가 직접 깔지는 않지만, 시민과학 앱이 모은 데이터를 보전 정책으로 연결하는 인프라다.

한국 정부 / 학계 라인업 — 국립공원공단, NIBR, 자연환경연구원

한국 정부 / 학계 라인업도 정리해 둔다.

NIBR의 한반도 자생종 DB가 모야모 / iNaturalist 한국어 분류 체계의 기준점 역할을 한다.

일본 정부 / 학계 라인업 — 環境省, KAHAKU, ヤマケイ

일본 측 라인업이다.

일본은 학계 / 출판 / 정부 데이터가 잘 연결돼서, YAMAP / iNaturalist 같은 시민과학 앱이 정부 데이터로 흐르는 루프가 한국보다 한 단계 더 매끄럽다.

조합 패턴 — 실제 자연 관찰자들은 어떻게 묶는가

마지막으로 실제 사용자 페르소나별 앱 조합이다.

핵심은 "AI 1차 식별 + 학계 / 커뮤니티 검증 + 정부 / 학술 데이터 환원" 3단 구조다. 한 앱으로 끝내려 하면 어딘가 빈다.

마치며 — 2026년 5월, "AI 자연 식별은 도구일 뿐, 관찰은 사람이 한다"

AI 식별 정확도가 전문가 수준이 됐다는 게 이 글의 출발점이지만, 결론은 그 반대다. AI가 정확해질수록, 사람의 관찰 / 기록 / 보전 행위가 더 중요해진다.

Merlin이 새소리를 잡아 주는 것은 시작이고, eBird 체크리스트로 기록하고, iNaturalist에 사진을 올리고, GBIF로 데이터가 흘러 보전 정책의 입력이 되는 전 과정이 가치다. 도구 선택에 너무 오래 매달리지 말자. Merlin + iNaturalist + 한 개의 지역 앱(모야모 / YAMAP) 정도면 90%는 해결된다.

남은 10%는 시간과 발걸음이다. 2026년에도 그건 AI가 대신해 줄 수 없다.

References

댓글

아직 댓글이 없습니다.

로그인하면 댓글을 쓸 수 있습니다