特文特大学将运动传感器与机器学习结合用于野外偷猎识别

现代传感器为保护主义者在打击偷猎方面提供了一个强大的新工具，能够跟踪濒危动物在野外游荡时的行踪。特文特大学的一项新研究项目可以以另一种有用的方式利用这项技术，通过将运动传感器与机器学习混合起来，识别野生动物何时对附近的威胁做出反应。

这项工作是由特文特大学的Jacob Kamminga进行的，他是一个为一系列应用开发小型自主传感器的研究小组的成员。Kamminga开发的野生动物运动传感器是他的博士研究课题的一部分，他希望提供一种方法来检测不同的运动模式，以应对人类的存在。

该传感器是一个惯性测量装置，包括加速度计、陀螺仪和磁力计，可以连接到动物身上，在动物进行活动时收集运动数据。人工智能会对这些数据进行分析，然后对运动进行分类，并在检测到突发变化时将其传送到移动网络或卫星连接。

Kamminga使用传感器对山羊、绵羊和马的11种不同的运动模式进行分类，使用的大多是他所谓的 “无标签数据”，这意味着传感器只需要对一小部分动物运动进行训练。他还发现，在大多数情况下，当将传感器简化为单一的加速度计时，传感器的工作效果一样好，这使得它的效率大大提高。

“我还加了一个陀螺仪，可以测量旋转。”Kamminga说。“这可以使它更准确一些，但这是有代价的。它消耗的能量是加速度计的100倍。在大多数情况下，只用加速度计就足够准确了。”

使用人工智能以这种方式分析动物的运动可能会给反盗猎组织带来一些有趣的可能性，他们可以设置该系统，以便当一个濒危物种移动时，他们会收到警报，以应对一个非常具体的威胁。除此之外，该系统还可以与其他野生动物追踪工具相结合，协助保护生物多样性的整体努力。

“将使用传感器记录的野生动物运动与遥感图像和GIS(地理信息系统)模型联系起来，是一种很有前途的技术，可以更好地了解物种的生态要求，以及为管理和政策决策提供信息，并提供保护成果和生物多样性，”参与这项工作的Andrew Skidmore教授说。