在研究一个地区的生物多样性或监测某一特定的野生动物物种时，自然保护主义者和科学家使用的最有效的工具之一就是相机陷阱。

相机陷阱指使用动作传感器、红外探测器或其他光束作为触发机关的遥控相机。它常被用来拍摄摄影师不容易直接拍得的画面，多运用在生态研究领域，例如监督狩猎、观察野生动物、寻找稀有物种等。

当一只动物进入相机陷阱的范围时，它的传感器会检测到它的存在，并自动触发相机的快门释放，以捕捉动物的照片(或一系列照片)。

伦敦动物学会(ZSL)广泛地使用了相机捕捉器，该组织也许是伦敦动物园最著名的组织，但它本身也是一个国际科学、保护和教育慈善机构。

尽管这项技术在监测印尼苏门答腊虎和利比里亚的pygmy河马社区方面是非常宝贵的，但它也有不利的方面，ZSL保护技术负责人Sophie Maxwell表示：

“在数月内部署大量摄像机陷阱的项目可以发回数百万的图像。过去，科学家们会坐在那里手动检查每个图像，然后创建每个生物多样性报告所需的物种识别数据。”

她说，基本上，即使是一个中等规模的项目，也需要大约9个月的时间来完成报告。在这个项目中，由于捕猎者的偷猎或入侵，在任何情况下，情况都可能发生变化。这可能意味着该地区动物的保护策略需要根据更新的信息进行改变。

加快进程

多年来，ZSL一直在探索如何利用技术来加速数据处理。例如，通过招募“公民科学家”来帮助进行人工图像检查。但现在看来，人工智能和更具体的机器学习可能会对完成工作和提高准确性产生更大的影响，这就是ZSL与Google合作的原因。

自2017年初以来，ZSL是一直是与该科技巨头合作的几个组织之一，与时尚公司Urban Outfitters以及媒体和娱乐巨头迪斯尼一起，完善其Cloud AutoML Vision工具。

Google Cloud AutoML Vision是Cloud AutoML服务中提供的第一项服务，旨在帮助具有有限机器学习专业知识的企业利用机器学习。例如，AutoML Vision专注于帮助他们构建自定义机器学习模型，使用拖放界面来上传图像、训练和管理模型，然后直接将它们部署到Google Cloud上。

在ZSL中，这项技术已经被证明是非常适合的，Maxwell表示:

“以前，人工智能和机器学习技术对于像我们这样的组织来说是很难进入的。你需要一个数据科学家,编写自己的模型,且商用pre-trained模型往往是非常基本的, 但却不能提供我们需要的复杂层次的细节，比如识别一个群体中的一个特定物种。”

“所以我们一直在用Google上做的AutoML Vision工具的可用性。我们正在根据我们现有的数据努力构建模型，我们经常做相机陷阱的地方,比如婆罗洲（Borneo）和哥斯达黎加（Costa RIca）,我们可以在新数据进入时准备好模型,所以我们可以对今年与去年的数据相比较。随着时间的推移，我们会为特定的地点，特别是特定的环境，比如森林、草原或南极洲，建立客户模型。到目前为止，结果看起来还不错。”

云托管的ML模型

她说，这是一项令人兴奋的工作，因为自然保护技术团队由8人组成，他们并不具备特定的数据科学技能，但能够建立这样的模型，将其托管在Google Cloud中，并将其开放给其他世界各地的环保组织。

此外，还可以通过API从应用程序内部调用这些基于云的模型。对于野生动物和威胁监测来说，ZSL即时检测技术已经发生了，它依靠连接的传感器和相机陷阱来追踪动物，确定偷猎者的入侵行为，并提醒管理员可能需要回应的情况。

但这仅仅是个开始，Maxwell说:

“我们的长期目标是为地球提供健康检查，这显然是一个很大的野心，但是随着开始进行更多这些研究并使结果更快恢复，我们对生物多样性的看法将会增长。”

她说，从某种意义上说，技术趋势是在ZSL的一边。传感器变得越来越便宜，基于云的处理和存储能力几乎是无限的。像Google这样的公司显然正在致力于将机器学习等技术普及到新的领域。Maxwell总结说:

“但我们是一个慈善机构，所以我们依赖于伙伴关系和资金，并随时欢迎帮助。有了更多的支持，我们所能做的工作将会是惊人的。”