現代傳感器為保護主義者在打擊偷獵方面提供了一個強大的新工具，能夠跟踪瀕危動物在野外遊蕩時的行踪。特文特大學的一項新研究項目可以以另一種有用的方式利用這項技術，通過將運動傳感器與機器學習混合起來，識別野生動物何時對附近的威脅做出反應。

這項工作是由特文特大學的Jacob Kamminga進行的，他是一個為一系列應用開發小型自主傳感器的研究小組的成員。Kamminga開發的野生動物運動傳感器是他的博士研究課題的一部分，他希望提供一種方法來檢測不同的運動模式，以應對人類的存在。

該傳感器是一個慣性測量裝置，包括加速度計、陀螺儀和磁力計，可以連接到動物身上，在動物進行活動時收集運動數據。人工智能會對這些數據進行分析，然後對運動進行分類，並在檢測到突髮變化時將其傳送到移動網絡或衛星連接。

Kamminga使用傳感器對山羊、綿羊和馬的11種不同的運動模式進行分類，使用的大多是他所謂的“無標籤數據”，這意味著傳感器只需要對一小部分動物運動進行訓練。他還發現，在大多數情況下，當將傳感器簡化為單一的加速度計時，傳感器的工作效果一樣好，這使得它的效率大大提高。

“我還加了一個陀螺儀，可以測量旋轉。”Kamminga說。“這可以使它更準確一些，但這是有代價的。它消耗的能量是加速度計的100倍。在大多數情況下，只用加速度計就足夠準確了。”

使用人工智能以這種方式分析動物的運動可能會給反盜獵組織帶來一些有趣的可能性，他們可以設置該系統，以便當一個瀕危物種移動時，他們會收到警報，以應對一個非常具體的威脅。除此之外，該系統還可以與其他野生動物追踪工具相結合，協助保護生物多樣性的整體努力。

“將使用傳感器記錄的野生動物運動與遙感圖像和GIS（地理信息系統）模型聯繫起來，是一種很有前途的技術，可以更好地了解物種的生態要求，以及為管理和政策決策提供信息，並提供保護成果和生物多樣性，”參與這項工作的Andrew Skidmore教授說。

Kamminga的博士論文可在這裡在線閱讀。