人工智能检测到的相机陷阱图像：三江源地区的赤狐
Shan Shui Conservation Center
相机陷阱数据管理系统
人工智能检测到的相机陷阱图像：三江源地区的雪豹
Shan Shui Conservation Center
基于社区的相机陷阱监测助手应用程序
Shan Shui Conservation Center
相机陷阱数据管理系统：物种识别页面
Shan Shui Conservation Center
为了加快相机陷阱数据的工作流程，在技术合作伙伴的支持下，正在开发一个在线数据管理系统，以及基于应用程序的工具和人工智能图像识别，其中包括
- 基于社区的相机陷阱监测助手应用程序：该应用程序允许当地监测员自动记录相机陷阱设置/取回的时间和 GPS 位置，从而省去了从当地监测员处收集数据和手动输入数据的繁琐过程。(蓝图：2019 年 6 月，开发：2019 年 10 月至 2020 年 2 月，试用和使用：2020 年 3 月-10 月）
- 人工智能图像识别模型：人工智能模型帮助检测相机捕获器照片中的动物并识别物种，大大减少了需要人工识别的照片数量，提高了数据处理效率。
- 已与技术合作伙伴训练和/或测试了一系列人工智能模型，包括 PU & PKU ResNet18 模型（2018 年）、MegaDetector（仅测试，2020 年）、MindSpore YOLOv3 模型（2021 年）。
- 在线数据管理平台：通过应用程序收集的相机陷阱信息与照片一起上传到结构化云数据库。数据管理平台不仅支持人工智能和人工识别物种，还能进行全球数据搜索和统计报告。(蓝图：2021年4月至8月，开发：2021 年 9 月至 2022 年 6 月，试用和使用：2022 年 7 月）
- 对当前相机陷阱数据工作流程的系统审查，并转化为技术系统开发需求
- 开源且性能良好的相机陷阱图像人工智能识别模型
- 用于人工智能计算、数据存储等的云资源
- 多轮试用和反馈，以修复错误并提高系统的可用性
- 罗马不是一天建成的。由于时间和资源的限制，我们不得不将系统划分为不同的模块，并逐步开发模块。我们相信，每个模块本身都能改进我们工作流程中的一个或多个步骤，在将模块纳入整个系统之前，我们已经从模块中受益匪浅。然而，重要的是一开始就要有大局观，并为最终的系统集成制定长期计划。
- 一个系统不可能从一开始就完美无缺。当应用程序刚推出并在一个社区投入使用时，它并没有像我们预期的那样运行，当地监测员报告了各种类型的错误。我们收集并分析了反馈意见，以改进应用程序的用户界面设计和功能。