我為了不讓松鼠搶鳥食，造了個AI驅趕系統

機器之心報道

編輯：澤南

碩鼠碩鼠，無食我粟。

這是一個典型的美國故事，主人公過上了紅酒牛排大 house 的生活，但又遇到了新的煩惱：後院裡為鳥兒準備的食盤總是被松鼠光顧。

卑鄙的松鼠正在偷鳥食，讓精心佈置的喂鳥器成了擺設。

這不是什麼新鮮事了：傳統的解決方案是將辣椒粉混入鳥食中，然而這並沒有奏效。超市裡也沒有帶松鼠擋板的喂鳥器。大多數人可能會在網店購買一個合適形狀的擋板——但 Jeremy Merrill 這個人比較頭鐵，畢竟他是搞機器學習的。

於是一個名叫 Squirrel Soaker 9000 的裝置出爐了。

這人使用大約 50 美元成本的零件建造了一個機器，藉助人工智慧來檢視餵食器上面是否有松鼠——當識別到松鼠時，就用花園噴水軟管驅趕它。

當然，此處需要一段驚慌失措的松鼠逃跑的影片：

window。DATA。videoArr。push（{“title”：“我為了不讓松鼠搶鳥食，造了個AI驅趕系統”，“vid”：“a3321h49st4”，“img”：“http：//puui。qpic。cn/vpic/0/a3321h49st4。png/0”，“desc”：“”}）

看看這效果，自從 Jeremy 的 Squirrel Soaker 9000 上線以來，餵食器上的松鼠數量下降了——所有這些都沒有傷害到松鼠。Jeremy 表示，這比他的曾祖父——來自加拿大薩斯喀徹溫省、俄羅斯的北佛羅里達紅脖 60 年前建造的解決方案要安全得多：當年他是直接用 120V 電線串在他的果樹上。

那麼它是如何工作的呢？

其實很簡單，每隔 30 秒鐘，攝像頭拍攝的圖片就會交由 Python 寫的軟體進行處理。它將圖片傳送到 AWS Lambda 端點，該端點根據 Jeremy 訓練的 fast。ai 模型對照片進行分類，以檢測餵食器上是否有松鼠。

如果 AI 模型報告說有松鼠，則攝像頭開始錄影片，將訊號傳送到稱為 MOSFET 的電子控制開關，它會依次開啟電磁閥的 12V 電源幾秒鐘，這是一個電控水龍頭，它連線到一個用拉鍊系在番茄籠上的花園噴霧器。

松鼠跑了嗎？

松鼠驅趕器看起來不錯。如果簡單統計的話，這個簡單的裝置平均每三天驅趕一次松鼠，效果看起來還有提升的空間。

在 10 月的某幾天，松鼠完全放棄了前來偷吃食物。它們是被松鼠驅趕器擊退了，還是被其他什麼秋季美食吸引走了？我們不得而知。

到了冬天怎麼辦？在水會結冰以後，Jeremy Merrill 就把整套系統關閉了，畢竟水管爆裂不是鬧著玩的。

它能驅趕鳥嗎？

眾所周知，AI 模型的影象識別是看機率的，它在松鼠上的準確率是 86。6%，這意味著當 Squirrel Soaker 9000 啟動噴灑時，86。6% 的時間裡真的有一隻松鼠。13。4% 的時間裡這是另一回事，通常是一隻鳥，有時什麼都沒有…… 或者有時候是發明家本人。

這個數字是在 15 天內 321 次啟動樣本中計算得出的，其中 43 起是錯誤的。人工智慧很容易把哀鴿（mourning dove）誤認為是松鼠，原因估計是它們和北美齧齒類動物一樣又大又灰。不過這也是因為哀鴿是在 Jeremy 收集完訓練資料之後才出現的，所以本質上我們是在問一個從未見過哀鴿的愚蠢 AI，哀鴿是麻雀還是松鼠——偶爾人工智慧會說它是松鼠。

所以這個 AI 模型還缺點線上更新演算法的能力。

松鼠還是鴿子，對於 AI 來說，這是個問題。

事實證明，一株番茄植物在攝像頭旁長了個樹枝，擋住了松鼠經常出沒的餵食器底部。如果你問一個只知道松鼠和喂鳥器的模型，番茄植物是否是松鼠…… 好吧，它認為是的。於是第二天，這株植物長大了，不礙事了。（召回率是 99%，這意味著如果餵食器上有松鼠，它會被弄溼。）

如何讓 AI 模型命令水槍噴水？

首先，按照說明書組裝電源和 MOSFET 板，確保你的樹莓派（Raspberry Pi）已啟動並執行並連線到 wifi。

電源聯結器輸出 12V、5V 和接地線。12V 線和地線連線到 MOSFET「系統」側的 + 和 - 輸入端。或者你也可以透過將 5V 輸出連線到 Pi 相機的 5V 引腳並將接地連線到 Pi 的接地引腳，從同一電源為樹莓派供電。

然後，將 GPIO 引腳從樹莓派連線到 MOSFET 的 C（用於「控制」）輸入。當這條線傳送 HIGH 電壓時，MOSFET 開啟，向輸出端（「裝置」端）傳送 12V 電壓；當傳送 LOW 電壓時，MOSFET 關閉，裝置沒有供電。

此外，你需要使用非常長的電線將裝置側連線到電磁閥，這樣才能讓電子裝置保持在屋內，而軟管在花園裡。極性無關緊要，因此將正極線連線到任一側，但請務必並聯一個續流二極體以避免突波電壓。

現在，你已經完成了電子裝置，上管道！

將你的花園軟管連線到母對母軟管介面卡，然後連線到螺線管。螺線管有一個箭頭指示水流方向，因此箭頭應指向遠離供水的方向。你可能需要將管道工膠帶貼上到螺線管的輸入螺紋上。螺線管的螺紋是英國標準管，平行螺紋（又名 BSPP，或 G），與美國的花園軟管螺紋形成對比。它們大多能用，但並不完美——水管工膠帶將有助於阻止漏稅。

噴射噴嘴也是一樣，記得用膠帶。

不要一直讓軟管保持開啟狀態。這可能會施加太大的壓力，導致洩漏——甚至導致接頭爆炸（這裡有血的教訓）。

現在我們完成了管道。

上軟體。你可以透過任何方式向 MOSFET 的控制輸入端傳送 HIGH 電壓。除了用軟體控制它之外，作者還設定了一個按鈕來手動操作。

模型訓練完成後，我們可以按照以下兩個 AWS 教程將模型部署到 AWS Lambda：

裝置上的軟體是一個簡單的 Python 指令碼，帶有一個 while 迴圈，在白天每 30 秒拍攝一張照片，然後將其傳送給機器學習模型，如果它認為是松鼠的置信度超過 70%，則拍攝一張照片（所以我們可以後期驗證是否真的存在松鼠），錄製影片（用於 lulz），將時間點記錄到資料庫中，然後開啟水管。

作者還使用了一個很小的 Flask 應用程式，它顯示最近的照片和一個 HTML 按鈕，用於網路遠端手動控制水管。

如何訓練 AI 模型

Fastai 透過給 AI 模型提供正負兩種圖片樣本，讓 AI 模型學習影象識別的過程變得非常簡單——真只用 13 行程式碼。在識別松鼠的問題上，作者透過在幾天內每分鐘從窗外拍一張照片來生成訓練資料（示例）。隨後下載這些圖片，並使用 Mac Finder 的幻燈片檢視將它們分類到「squirrel」和「not squirrel 資料夾中。

然後，只需要在 Google Colab 上訓練這個模型（免費，13 行程式碼，大約 45 分鐘）。

物料列表

12V 電磁閥，7。95 美元

ATX 電源聯結器分線套件 - 12V/5V（4 針），15。95 美元

MOSFET 電源控制套件，5。25 美元

Melnor Hi-Visibility 可調噴嘴，4。98 美元

Melnor 金屬雙母介面卡，2。49 美元

Arducam 自動對焦 Pi 相機，14。99

一個二極體

水管工膠帶

藍色膠帶

兩股十英尺左右的編織線