自然界是一切的基础，它支撑着全球经济、福祉和生存。然而，正面临一场生物多样性危机，数以百万计的植物和动物面临灭绝的风险。野生动物面临的问题错综复杂，但数据可以帮助穿透噪音。野生动物种群数量的数据可以帮助将有限的资源引导到正确的地方，正确的时间，类似于医生在大流行中治疗病人。最终，数据有助于增加可以被拯救的物种数量。
然而，数据的收集成本高昂。在自然界中，很少能准确统计动物的数量，而是使用各种技术，包括相机陷阱和无人机，来进行估计。这些技术的成本使得监测工作难以在空间和时间上进行扩展。如果不知道外面有什么，那么基于数据的保护决策就变得不可能。
就是Kasim，加州大学圣克鲁斯分校的野生动物生物学家。2019年，发现游客拍摄的照片可以用来以其他常用方法97%的成本获得非洲食肉动物的准确计数。当时表示，“通过协调努力收集游客照片……有真正的机会对高价值旅游区的野生动物种群进行持续、快速的评估。”
今天，转向计算机视觉和边缘机器学习来解决规模问题，并将这种调查方法引入非洲一些最具标志性的景观。这个想法很简单。使用车载摄像头在野生动物园游猎中自动检测和拍摄野生动物。使用这些数据进行物种调查。
这个想法足够吸引人，让从ConservationX获得了一个快速原型设计资助，这是一个致力于使用技术解决地球上一些最大挑战的组织，在过去的三个月里，一直在构建这个原型。
要构建一个拍摄豹子的系统，首先需要教它豹子长什么样。为此，不得不收集和标记足够的数据来训练算法，让它知道什么让豹子成为豹子。（也许是生活中的一个未解之谜。）
豹子的挑战在于，它们不是最容易找到的猫科动物。它们喜欢独自闲逛，拥有大片的家园领地，更喜欢能想到的最厚、最恶心的灌木丛。幸运的是，和在博茨瓦纳食肉动物保护的合们花了很多时间寻找它们，这意味着有来自研究人员、游客和相机陷阱的丰富数据集。总共，有超过1800张40只豹子的各种姿势的图片。
一旦图片被WildMe标记，下一个挑战就是将其转换为训练所需的正确格式。最终，决定使用Google Cloud AI平台进行模型训练。它简单，不需要编码，也不需要专业硬件。
对来说，挑战是将标记的数据集从COCO转换为Google所需的格式。对于拥有领域专业知识的任何人来说，这可能很简单，但作为一个局外人，花了几个小时寻找答案，却陷入了困境。这就是Roboflow进入故事的地方。
Roboflow Pro除了允许数据被平滑预处理、增强和健康检查的功能外，还具有一个导出功能，允许将数据集直接转换并导出到像Google Cloud这样的模型训练平台。以前需要几个小时Google搜索的事情，用Roboflow不到十分钟就完成了。
还利用了Roboflow的增强功能，测试了模拟真实世界场景的增强，如照片中的相机模糊，可能会如何提高训练模型（稍后会有更多内容）。
由于这些模型需要在设备上运行，提供实时推理，选择了使用Google Cloud的AutoML Vision Edge模型。这些是低延迟、高准确性的模型，针对在边缘运行进行了优化，可以导出到TensorFlow Lite，这使得它们非常适合快速、轻松地与硬件堆栈集成。
还测试了Roboflow增强数据集与非增强数据集的表现。答案是相当不错的。通过数据增强，训练集增加了67%，平均模型精度从0.90提高到0.92——对于没有额外努力的小幅提升来说，这是相当不错的。
为了部署，模型被加载到一个Raspberry Pi pan-tilt设置中，以创建一个低保真原型，用于ConservationX奖。然后，模型被带到了一次社交距离隔离的狩猎旅行中，以挑选出豹子。
对于接下来要去的地方，有许多新的里程碑。接下来的障碍是扩大模型训练，以检测更广泛的野生动物，并迭代硬件，以便能够构建足够坚固的东西，以在非洲丛林的冒险中生存下来。
如果是一名软件或硬件开发人员、初创公司或技术爱好者，并且有兴趣使用技术来支持自然保护，很想听到消息。
要联系，或者只是想跟踪这个项目和其他的豹子工作，可以在Twitter上关注，或者给发电子邮件（kasim.rafiq [at] hotmail.co.uk）。作为回报，相信将一窥非洲一些最具标志性的物种，也许还能为客户提供一两个故事。