Việc giám sát động vật trong sở thú đóng vai trò quan trọng trong quản lý, bảo tồn và các loài động vật. Trong nghiên cứu này, chúng tôi áp dụng mô hình YOLOv8, một trong những giải pháp phát hiện đối tượng tiên tiến và hiệu quả nhất hiện nay. Mô hình được huấn luyện ban đầu trên bộ dữ liệu COCO và sau đó tiếp tục được tinh chỉnh (fine-tuning) trên bộ dữ liệu African-wildlife nhằm tối ưu hóa khả năng nhận diện các loài động vật hoang dã phổ biến trong sở thú như trâu, voi, tê giác và ngựa vằn. Sau quá trình tinh chỉnh, mô hình đạt được mAP (mean Average Precision) 94.76% tại ngưỡng IoU 0.5, thể hiện độ chính xác và độ tin cậy vượt trội trong điều kiện thực tế. Nhờ khả năng xử lý nhanh và chính xác, mô hình này mang đến giải pháp hiệu quả cho việc giám sát động vật trong sở thú theo thời gian thực.