近年来，阿拉斯加西部阿留申群岛的Steller海狮数量急剧下降，引起了生物学家的广泛关注。根据美国国家海洋和大气管理局（NOAA）的数据，在过去的30年里，这一地区的海狮数量下降了94%，而其他地区的海狮种群却在稳步增长。这种差异令人困惑，因为海狮在不同地区的种群变化趋势截然不同。为了保护这一濒危物种，研究人员开始利用计算机视觉技术来辅助研究工作。
研究人员通过研究Steller海狮的行为模式来收集更多数据，以帮助他们确定种群下降的原因，并为保护海狮提供指导。研究领域包括：
研究人员收集的关于海狮的任何信息都可能有助于发现种群下降与特定环境因素之间的潜在联系，从而使NOAA能够做出相应的反应。
为了更深入地了解Steller海狮种群，NOAA的生物学家选择了一些代表整个西部阿留申种群状况的个体进行研究。科学家们在海狮幼崽时期，大约标记了4%的海狮，用字母和数字代码标识它们的出生地和标记地点。例如，在下面的图片中，一只海狮被标记为“M625”。“M”表示这只海狮在Medny岛出生并被标记；“625”是这只特定海狮的唯一标识符。
NOAA的研究人员设置了远程摄像头，每10分钟拍摄一张照片，全年无休。目前，20个远程摄像头每年总共拍摄40万张照片。研究人员和志愿者需要手动筛选这些图像数据库，查看哪些图片包含标记的海狮——这是一个繁琐且耗时的过程。
使这个过程更加困难的是，由于各种原因，一些图像中根本没有海狮，如图像不清晰。摄像头可能会被水滴覆盖，被雪遮挡，被浓雾模糊，甚至被鹰的羽毛覆盖！
为了帮助研究人员，开发了Steller Sight工具，以自动化这一繁琐任务的第一步。使用计算机视觉技术，Steller Sight可以快速确定每张图像中是否存在海狮。
python script uploads images to Roboflow, retrieving the coordinates of each bounding box and the confidence rating of each detection. Using this information, the software detects the sea lions and draws boxes around each sea lion found.
在图像顶部，程序会标记图像为“无海狮”或“海狮出现”，如下例所示。Steller Sight为研究人员节省了时间，因为大约三分之一到一半的图像中没有海狮，研究人员不应该花时间手动扫描这些图像寻找海狮。
该软件的准确率高达97%，能够正确区分海狮的存在。高准确率意味着该软件能够发现人类肉眼可能遗漏的海狮。每秒钟处理一张图像的速度大约是手动审查的10倍。
Steller Sight可以扩展并训练，以协助研究人员在各种保护工作中。同样的Robolow技术可以应用于检测虎鲸，以支持“虎鲸计数”项目，该项目的研究团队与NOAA合作，评估虎鲸捕食对海狮种群下降的影响。