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，讓精心布置的喂鳥器成了擺設。
這不是什麼新鮮事了：傳統的解決方案是将辣椒粉混入鳥食中，然而這并沒有奏效。超市裡也沒有帶松鼠擋闆的喂鳥器。大多數人可能會在網店購買一個合适形狀的擋闆——但 Jeremy Merrill 這個人比較頭鐵，畢竟他是搞機器學習的。
于是一個名叫 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，借助人工智能來檢視喂食器上面是否有松鼠——當識别到松鼠時，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視訊：
看看這效果，自從 Jeremy 的 Squirrel Soaker 9000 上線以來，喂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、俄羅斯的北佛羅裡達紅脖 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，攝像頭拍攝的圖檔就會交由 Python 寫的軟體進行處理。它将圖檔發送到 AWS Lambda 端點，該端點根據 Jeremy 訓練的 fast.ai 模型對照片進行分類，以檢測喂食器上是否有松鼠。
如果 AI 模型報告說有松鼠，則攝像頭開始錄視訊，将信号發送到稱為 MOSFET 的電子控制開關，它會依次打開電磁閥的 12V 電源幾秒鐘，這是一個電控水龍頭，它連接配接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着玩的。
它能驅趕鳥嗎？
衆所周知，AI 模型的圖像識别是看機率的，它在松鼠上的準确率是 86.6%，這意味着當 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 天内 321 次啟動樣本中計算得出的，其中 43 起是錯誤的。人工智能很容易把哀鴿（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，是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——偶爾人工智能會說它是松鼠。
是以這個 AI 模型還缺點線上更新算法的能力。
松鼠還是鴿子，對于 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喂食器底部。如果你問一個隻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。于是第二天，這株植物長大了，不礙事了。（召回率是 99%，這意味着如果喂食器上有松鼠，它會被弄濕。）
如何讓 AI 模型指令水槍噴水？
首先，按照說明書組裝電源和 MOSFET 闆，確定你的樹莓派（Raspberry Pi）已啟動并運作并連接配接到 wifi。
電源連接配接器輸出 12V、5V 和接地線。12V 線和地線連接配接到 MOSFET「系統」側的 + 和 - 輸入端。或者你也可以通過将 5V 輸出連接配接到 Pi 相機的 5V 引腳并将接地連接配接到 Pi 的接地引腳，從同一電源為樹莓派供電。
然後，将 GPIO 引腳從樹莓派連接配接到 MOSFET 的 C（用于「控制」）輸入。當這條線發送 HIGH 電壓時，MOSFET 打開，向輸出端（「裝置」端）發送 12V 電壓；當發送 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将裝置側連接配接到電磁閥，這樣才能讓電子裝置保持在屋内，而軟管在花園裡。極性無關緊要，是以将正極線連接配接到任一側，但請務必并聯一個續流二極管以避免突波電壓。
現在，你已經完成了電子裝置，上管道！
将你的花園軟管連接配接到母對母軟管擴充卡，然後連接配接到螺線管。螺線管有一個箭頭訓示水流方向，是以箭頭應指向遠離供水的方向。你可能需要将管道工膠帶粘貼到螺線管的輸入螺紋上。螺線管的螺紋是英國标準管，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，但并不完美——水管工膠帶将有助于阻止漏稅。
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态。這可能會施加太大的壓力，導緻洩漏——甚至導緻接頭爆炸（這裡有血的教訓）。
現在我們完成了管道。
上軟體。你可以通過任何方式向 MOSFET 的控制輸入端發送 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 教程将模型部署到 AWS Lambda：
裝置上的軟體是一個簡單的 Python 腳本，帶有一個 while 循環，在白天每 30 秒拍攝一張照片，然後将其發送給機器學習模型，如果它認為是松鼠的置信度超過 70%，則拍攝一張照片（ 是以我們可以後期驗證是否真的存在松鼠），錄制視訊（用于 lulz），将時間點記錄到資料庫中，然後打開水管。
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，用于網絡遠端手動控制水管。
如何訓練 AI 模型
Fastai 通過給 AI 模型提供正負兩種圖檔樣本，讓 AI 模型學習圖像識别的過程變得非常簡單——真隻用 13 行代碼。在識别松鼠的問題上，作者通過在幾天内每分鐘從窗外拍一張照片來生成訓練資料（示例）。随後下載下傳這些圖檔，并使用 Mac Finder 的幻燈片視圖将它們分類到「squirrel」和「not squirrel 檔案夾中。
然後，隻需要在 Google Colab 上訓練這個模型（免費，13 行代碼，大約 45 分鐘）。
物料清單
12V 電磁閥，7.95 美元
ATX 電源連接配接器分線套件 - 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 金屬雙母擴充卡，2.49 美元
Arducam 自動對焦 Pi 相機，14.99
一個二極管
水管工膠帶
藍色膠帶
兩股十英尺左右的編織線
一個樹莓派，帶一張 SD 卡
根據需要分類其他電子零件（焊料、LED、按鈕、電阻器、二極管等）
工具清單:
烙鐵、焊錫
萬用表
Google Colab，免費
Fast.ai / Python
AWS Lambda
參考教程:
https://bc-robotics.com/tutorials/controlling-a-solenoid-valve-with-arduino/
https://bildr.org/2012/03/rfp30n06le-arduino/
https://www.raspberrypi.com/documentation/computers/os.html
最後還有面向松鼠的教程：https://www.youtube.com/watch?v=hFZFjoX2cGg
參考内容：
https://jeremybmerrill.com/blog/2022/01/squirrel-soaker-9000-repelling-squirrels-with-ai.html
https://www.reddit.com/r/MachineLearning/comments/sctxqh/p_i_built_a_robot_to_protect_my_birdfeeder_from/