机器之心报道
编辑：泽南
硕鼠硕鼠，无食我粟。
这是一个典型的美国故事，主人公过上了红酒牛排大house的生活，但又遇到了新的烦恼：后院里为鸟儿准备的食盘总是被松鼠光顾。
卑鄙的松鼠正在偷鸟食，让精心布置的喂鸟器成了摆设。
这不是什么新鲜事了：传统的解决方案是将辣椒粉混入鸟食中，然而这并没有奏效。超市里也没有带松鼠挡板的喂鸟器。大多数人可能会在网店购买一个合适形状的挡板——但JeremyMerrill这个人比较头铁，毕竟他是搞机器学习的。
于是一个名叫SquirrelSoaker的装置出炉了。
这人使用大约50美元成本的零件建造了一个机器，借助人工智能来查看喂食器上面是否有松鼠——当识别到松鼠时，就用花园喷水软管驱赶它。
当然，此处需要一段惊慌失措的松鼠逃跑的视频：
看看这效果，自从Jeremy的SquirrelSoaker上线以来，喂食器上的松鼠数量下降了——所有这些都没有伤害到松鼠。Jeremy表示，这比他的曾祖父——来自加拿大萨斯喀彻温省、俄罗斯的北佛罗里达红脖60年前建造的解决方案要安全得多：当年他是直接用V电线串在他的果树上。
那么它是如何工作的呢？
其实很简单，每隔30秒钟，摄像头拍摄的图片就会交由Python写的软件进行处理。它将图片发送到AWSLambda端点，该端点根据Jeremy训练的fast.ai模型对照片进行分类，以检测喂食器上是否有松鼠。
如果AI模型报告说有松鼠，则摄像头开始录视频，将信号发送到称为MOSFET的电子控制开关，它会依次打开电磁阀的12V电源几秒钟，这是一个电控水龙头，它连接到一个用拉链系在番茄笼上的花园喷雾器。
松鼠跑了吗？
松鼠驱赶器看起来不错。如果简单统计的话，这个简单的装置平均每三天驱赶一次松鼠，效果看起来还有提升的空间。
在10月的某几天，松鼠完全放弃了前来偷吃食物。它们是被松鼠驱赶器击退了，还是被其他什么秋季美食吸引走了？我们不得而知。
到了冬天怎么办？在水会结冰以后，JeremyMerrill就把整套系统关闭了，毕竟水管爆裂不是闹着玩的。
它能驱赶鸟吗？
众所周知，AI模型的图像识别是看概率的，它在松鼠上的准确率是86.6%，这意味着当SquirrelSoaker启动喷洒时，86.6%的时间里真的有一只松鼠。13.4%的时间里这是另一回事，通常是一只鸟，有时什么都没有……或者有时候是发明家本人。
这个数字是在15天内次启动样本中计算得出的，其中43起是错误的。人工智能很容易把哀鸽（mourningdove）误认为是松鼠，原因估计是它们和北美啮齿类动物一样又大又灰。不过这也是因为哀鸽是在Jeremy收集完训练数据之后才出现的，所以本质上我们是在问一个从未见过哀鸽的愚蠢AI，哀鸽是麻雀还是松鼠——偶尔人工智能会说它是松鼠。
所以这个AI模型还缺点在线更新算法的能力。
松鼠还是鸽子，对于AI来说，这是个问题。
事实证明，一株番茄植物在摄像头旁长了个树枝，挡住了松鼠经常出没的喂食器底部。如果你问一个只知道松鼠和喂鸟器的模型，番茄植物是否是松鼠……好吧，它认为是的。于是第二天，这株植物长大了，不碍事了。（召回率是99%，这意味着如果喂食器上有松鼠，它会被弄湿。）
如何让AI模型命令水枪喷水？
首先，按照说明书组装电源和MOSFET板，确保你的树莓派（RaspberryPi）已启动并运行并连接到wifi。
电源连接器输出12V、5V和接地线。12V线和地线连接到MOSFET「系统」侧的+和-输入端。或者你也可以通过将5V输出连接到Pi相机的5V引脚并将接地连接到Pi的接地引脚，从同一电源为树莓派供电。
然后，将GPIO引脚从树莓派连接到MOSFET的C（用于「控制」）输入。当这条线发送HIGH电压时，MOSFET打开，向输出端（「设备」端）发送12V电压；当发送LOW电压时，MOSFET关闭，设备没有供电。
此外，你需要使用非常长的电线将设备侧连接到电磁阀，这样才能让电子设备保持在屋内，而软管在花园里。极性无关紧要，因此将正极线连接到任一侧，但请务必并联一个续流二极管以避免突波电压。
现在，你已经完成了电子设备，上管道！
将你的花园软管连接到母对母软管适配器，然后连接到螺线管。螺线管有一个箭头指示水流方向，因此箭头应指向远离供水的方向。你可能需要将管道工胶带粘贴到螺线管的输入螺纹上。螺线管的螺纹是英国标准管，平行螺纹（又名BSPP，或G），与美国的花园软管螺纹形成对比。它们大多能用，但并不完美——水管工胶带将有助于阻止漏税。
喷射喷嘴也是一样，记得用胶带。
不要一直让软管保持开启状态。这可能会施加太大的压力，导致泄漏——甚至导致接头爆炸（这里有血的教训）。
现在我们完成了管道。
上软件。你可以通过任何方式向MOSFET的控制输入端发送HIGH电压。除了用软件控制它之外，作者还设置了一个按钮来手动操作。
模型训练完成后，我们可以按照以下两个AWS教程将模型部署到AWSLambda：
设备上的软件是一个简单的Python脚本，带有一个while循环，在白天每30秒拍摄一张照片，然后将其发送给机器学习模型，如果它认为是松鼠的置信度超过70%，则拍摄一张照片（所以我们可以后期验证是否真的存在松鼠），录制视频（用于lulz），将时间点记录到数据库中，然后打开水管。
作者还使用了一个很小的Flask应用程序，它显示最近的照片和一个HTML按钮，用于网络远程手动控制水管。
如何训练AI模型
Fastai通过给AI模型提供正负两种图片样本，让AI模型学习图像识别的过程变得非常简单——真只用13行代码。在识别松鼠的问题上，作者通过在几天内每分钟从窗外拍一张照片来生成训练数据（示例）。随后下载这些图片，并使用MacFinder的幻灯片视图将它们分类到「squirrel」和「notsquirrel文件夹中。
然后，只需要在GoogleColab上训练这个模型（免费，13行代码，大约45分钟）。
物料列表
12V电磁阀，7.95美元
ATX电源连接器分线套件-12V/5V（4针），15.95美元
MOSFET电源控制套件，5.25美元
MelnorHi-Visibility可调喷嘴，4.98美元
Melnor金属双母适配器，2.49美元
Arducam自动对焦Pi相机，14.99
一个二极管
水管工胶带
蓝色胶带
两股十英尺左右的编织线
一个树莓派，带一张SD卡
根据需要分类其他电子零件（焊料、LED、按钮、电阻器、二极管等）
工具列表:
烙铁、焊锡
万用表
GoogleColab，免费
Fast.ai/Python
AWSLambda
参考教程:
