本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉(zhuǎn)載，轉(zhuǎn)載請聯(lián)系出處。

沒想到，有一天樹莓派還能用在給鳥護食上！

看這只松鼠抱著糧吃的正香……

突然！就來了一股水流把它噴走了：

再來一次？還是沒能幸免，繼續(xù)被水噴中：

此時松鼠內(nèi)心OS：誰這么閑每天沒事噴勞資？？？

原來，這是一位小哥用樹莓派做出的喂鳥器保護器。

因為自己后院鳥兒喂食器的糧被松鼠頻頻偷走，這位小哥賭上自己機器學習愛好者的尊嚴，開發(fā)了這個新裝置。

它能夠讓攝像頭每30秒拍下一張照片，然后由CV算法來檢測喂鳥器上是否有松鼠。如果有的話，信號就會發(fā)送給花園里的電控水龍頭，讓它朝著喂鳥器噴水趕走松鼠。

而做出這個設備，小哥用到的AI模型只需13行代碼就能搞定，訓練甚至只花了45分鐘。

效果也是立竿見影的，用了幾個星期后，松鼠造訪的頻率直線下降。

嗯，此刻可能更多要心疼小哥家附近的松鼠了。

“13行代碼+樹莓派”趕走松鼠

效果這么好的設備，做起來難嗎？

非常easy，一共只需3步：

第一，讓攝像頭每30秒拍下一張照片；

第二，將照片發(fā)送到AWS Lambda端點，在端點上使用訓練好的AI模型檢測照片；

第三，如果檢測到照片中有松鼠，設備就會將信號發(fā)送給電控水龍頭的開關，這時花園中的噴頭就會持續(xù)噴出幾秒鐘水流趕走松鼠。

大概效果就是這樣：

判斷畫面中是否有松鼠，靠的則是小哥自己用fast.ai訓練的一個模型。

他首先自己收集了一個數(shù)據(jù)集——連續(xù)幾個星期讓相機每30秒就拍一次照片，然后手動將照片分類為“有松鼠”和“沒有松鼠”兩類。

之后用這個數(shù)據(jù)集來訓練模型，小哥是在Google Colab上搞定的。

一共只有13行代碼，訓練全程花了大約45分鐘。

硬件端，這套設備運行的核心是一個帶有攝像頭的樹莓派，在亞馬遜商店能直接買到。

由于在試驗過程中弄出了短路、不小心燒壞了自己的Pi 4，所有小哥不得不用Pi 2+AWS Lambda的方式來完成整個推理過程。

在實際使用過程中，如果模型判斷照片中有松鼠的置信度超過70%，就會啟動裝置。同時它還會拍下視頻和照片，這樣小哥就能從歷史記錄中看到模型是否判斷正確了。

小哥表示，這套裝置的準確率為86.6%，趕走大部分來訪的松鼠沒什么問題，但也有失誤的時候。

從總共記錄的321次防御中可以看到，其中有43次判斷失誤。

有時畫面中是鴿子在吃東西、有時畫面中什么都沒有，有時則是小哥本人路過了那一區(qū)域，設備也噴出了水流。

針對鴿子的情況，小哥猜測可能是自己做數(shù)據(jù)集那段時間，很少有鴿子光顧他的喂食器，所以導致模型判斷有誤。

其中有一天設備則一直在噴水，無論喂食器上站的是鳥還是松鼠，或者什么都沒有。

后來小哥發(fā)現(xiàn)，這是因為有樹枝剛好擋在了松鼠平常會出現(xiàn)的位置上。

整體來看，這套設備一共花費了大約50美元，也就是人民幣300多塊。主要用來購買硬件設備，AWS Lambda則是小哥白嫖的（doge）。

小哥本職是位記者

最后來介紹一下這套設備的主人Jeremy B. Merrill，他是華盛頓郵報的一位記者，平常會用機器學習、數(shù)據(jù)分析來寫一些調(diào)查新聞。

他的杰作也吸引了不少網(wǎng)友的關注，Reddit上熱度300+。

不少人受到他的啟發(fā)，想通過類似的方法搞定后院里亂竄的松鼠、野貓。

是時候做出一個貓屎爆破神器阻止野貓來我的花園便便了！

也有人腦洞大開，認為長此以往松鼠會覺得這是個不錯的水源地，總之就還是要經(jīng)常造訪了。

看來，各種突然造訪的動物們的確有夠讓歪果人頭痛的。

此前YouTube上有一位博主在后院做了一套非常復雜的設備，就是為了來惡搞突然來搗亂的松鼠。

相比之下，用AI識別然后精準“打擊”的方法似乎實用性更強。

由于最近已經(jīng)入冬，小哥暫時停用了這套設備，松鼠也鮮少造訪了，他表示之后天氣轉(zhuǎn)暖還會繼續(xù)用下去。

不知重新啟動后的效果會是如何呢？蹲個后續(xù)~