出于对老鼠可能潜入加州脆弱生态系统的担忧，环保非营利组织自然保护协会（TNC）最近在圣克鲁斯岛部署了一套用于生物安全的实时远程摄像系统。该岛是位于南加州海岸附近的海峡群岛中一个几乎无人居住的96平方英里环礁，天气晴朗时从圣巴巴拉和文图拉可见。
圣克鲁斯岛地图，该岛是位于南加州海岸外的五岛链之一。
尽管岛屿仅占地球陆地总面积的5%，但超过60%的物种灭绝事件发生在岛屿上，其中入侵物种鼠类是主要推手。圣克鲁斯岛历史上严格防范老鼠进入，这是有意为之的结果。TNC深知，哪怕仅有一两只啮齿动物通过游客、商业或海军船只潜入，也可能因传播疾病和捕食行为威胁当地野生动物，致使数十年的保护努力付诸东流。
TNC软件开发者纳撒尼尔·林德劳布表示，防止脆弱岛屿生态系统受损的关键在于提前预警，在老鼠登陆并造成严重破坏前采取行动。
“老鼠繁殖能力极强，”林道布指出，“仅一对老鼠一年内就能产生多达15,000个后代。因此，若一只怀孕的老鼠登岛，我们必须立即采取有效应对措施。”
一张在文图拉港拍摄的老鼠检测动画，距离提供每日岛屿航班的渡轮仅几步之遥。图片由Nathaniel Rindlaub为TNC拍摄。
尽管TNC在清除野猪、金鹰等入侵物种方面经验丰富，但老鼠体型小且繁殖快，传统监测技术难以适用。通常保护者会借鉴猎人方法，使用电池供电并配备SD卡的相机“陷阱”安装在沿海树木上，以数字方式监控非预期入侵者。
TNC原计划尝试标准相机陷阱，但问题接踵而至。首先，作为加州最大岛屿，圣克鲁斯岛面积巨大且地形险峻，团队难以在合适位置布设和维护相机。其次，传统相机由运动触发，树叶晃动极易耗尽电量；同时SD卡积累了大量因风吹触发的空白图像，对确保老鼠无法登岛的任务帮助甚微。
圣克鲁斯岛。照片由Nathaniel Rindlaub拍摄，TNC。
“由于设备分布极为分散，我们约每三个月才能徒步巡检一次以维护设备或取回数据，”Rindlaub表示，“这造成了极长的时间滞后，使老鼠或其他不应出现的物种得以潜入并迅速繁殖。”换言之，任何应对措施都可能为时已晚且力度不足。
Rindlaub补充道，在野外采集数据的3至18周期间，存储卡故障和电池问题频发，TNC持续损失了10%的潜在数据。最终解决方案是投资约30台太阳能供电相机陷阱，消除电池耗尽问题，并配备基于无线电的实时流传输功能。
圣克鲁斯岛北岭上的一台无线相机。照片由 TNC 的 Nathaniel Rindlaub 拍摄。
其工作原理如下：相机和中继节点相互连接，在无Wi-Fi或蜂窝服务的复杂地形上形成无线网状网络。当相机触发时，图像经网状网络传输至连接Wi-Fi的基础站，随后推送至Animl——一个由AWS托管的相机陷阱数据管理平台，该平台在AWS全球影响力计算团队支持下由Rindlaub构建。
Animl采用无服务器、基于微服务的架构，使用多种AWS基础设施，包括Amazon S3、AWS Lambda、Amazon API Gateway、Amazon Cognito、Amazon SQS、Amazon SES和Amazon SageMaker。图像摄入系统后启动自动化处理流水线，由SageMaker托管的机器学习模型预测图像内容，过滤如智能门铃拍摄的空白画面等无效数据。
简而言之，这些自动化技术协同工作，对海量视觉数据进行逻辑筛查，寻找新出现的啮齿动物，其规模远超人工处理能力。
若发现可疑情况，生物学家会收到邮件或短信警报以审查标注图像。作为“人在回路”的一环，他们负责双重验证AI结论，因为该技术并非万无一失。
“从计算机视觉角度看，挑战在于我们知道会看到大量啮齿动物，”他说，“但我们还需区分老鼠和大鼠，因为前者不应存在，而后者属于本土物种。”
一只圣克鲁斯岛狐正在迅速捕食一只圣克鲁斯岛鹿鼠。图片由 TNC 的 Scott Meyler 和 Juli Matos 拍摄。
AWS全球影响力计算团队的Marko Cemovic表示：“很高兴看到这种创新的机器学习技术应用协助TNC在圣克鲁斯岛开展重要野外工作。我们期待这种可重复的生物安全方法在其他地方部署，以保护栖息地。”
该项目可能对环境领域产生广泛影响。TNC已将搜寻外来物种项目扩展至圣罗莎岛，并计划在卡塔利娜岛和阿纳卡帕岛部署，同时关注夏威夷、波多黎各、百慕大附近岛屿及帕尔米拉环礁的可能项目。
Rindlaub承认这需要时间，所需的蜂窝或无线基础设施可能尚未就绪，且非营利组织常面临预算困难。
“但肯定还有其他岛屿面临入侵威胁，”Rindlaub说，“将该程序扩展到其他物种将非常有意义。”
圣克鲁斯岛照片 #1 由 TNC 的 Sue Pollock 拍摄。