卡拉哈里是一个半干旱的大草原，横跨博茨瓦纳，南非和纳米比亚的大片地区。这里有各种各样的大型哺乳动物，包括长颈鹿，鸵鸟，牛羚，以及各种瞪羚。

　　随着降雨量的变化，食草资源在大草原不断变化，从放牧压力和丛林大火蔓延到全国各地。为了避免过度放牧，土地管理者必须确保食草动物的数量与食物的可获得性相匹配。

　　这需要重大的监督。估算大型哺乳动物种群数量的最常见方法是从直升机上计算它们的数量，或设置相机陷阱，记录它们在特定位置的移动情况。但是这些方法有明显的缺点。相机陷阱只能记录在一个地方的人口和直升机研究是昂贵和费时。

　　另一个选择是使用无人机拍摄该地区。这产生了大量的图像覆盖广大的土地面积。但有一个问题。分析这些图像是困难的。这需要训练有素的人员操作员投入大量的时间来完成任务。

　　在瑞士洛桑联邦理工学院（EPFL）进入尼古拉斯·雷伊（Nicolas Rey），还有一些朋友已经训练了机器视觉算法来完成这项工作。他们说，这种算法大大减少了专家人员所需的时间，并可能导致大型动物种群估计的显着改善。

　　他们的方法很简单。首先是在纳米比亚喀拉哈里边缘的库兹库斯野生动物保护区进行的2014年无人机测绘研究。这涉及到5架无人机飞越储备，用相机拍摄了6500张照片。每张照片的分辨率为每像素几厘米，为3,000 x 4,000像素。这些图像显示了许多大型哺乳动物，但分布很稀疏。这使得他们花费时间寻找人类。

　　雷伊公司的想法是，机器视觉系统可以被训练来完成这项工作。但是培训需要机器可以学习的地面真相结果。因此，雷伊公司的方法的一个重要组成部分是使用众包活动创建这个地面实况数据集。他们要求232名志愿者研究这些照片，并在他们遇到的每一只动物周围绘制一个多边形。每个图片至少有三名志愿者看到，最多10名。观众的平均数量是五。如果有超过一半的观众同意，该小组认为他们已经确定了一只动物。

　　志愿者以这种方式在650个图像中发现了976个大型哺乳动物。然后人类专家审查了结果，在一个只需要30分钟的过程中删除了21个虚假案件。然后团队使用这些示例来训练和测试他们的机器视觉算法。

　　结果很有趣。研究小组发现，当动物投下长长的阴影时，算法表现得最好。他们说：“我们得出的结论是，早晨飞行，并始终在同一个小时的飞行可以带来更好的结果。出于同样的原因，发现动物站立而不是躺下也更好。

　　不过，这个系统运作良好。该系统说：“该系统的召回率很高，操作人员可以用有限的努力消除错误的检测结果。所以仍然需要人工操作员，但是工作量大大减少。

　　这对非洲和其他大片地区的动物保护产生了影响。Rey和他的合伙人说：“这表明可以通过处理安装在价格合理的固定翼无人机上的标准RGB摄像机提供的数据来处理在半干旱稀树草原上检测大型哺乳动物。

　　这是一个有趣的工作，展示了相对便宜的无人机技术和日益强大的机器视觉技术如何应用于偏远地区。因此，这些地区的动物保护应该更容易，更有效。