很多科学研究工作人员已经运用很多方式方法来协助野生动植物和土地资源的维护，包含用人脸识别追踪澳大利亚中西部的熊、根据深度神经网络预测分析英国的野火……而在加拿大，昆士兰科技学院（QUT）的科学研究工作组已经运用人工智能技术（AI）、无人飞机、热像仪和深度学习（ML）等技术性检测和保护考拉。
据了解，考拉遭遇着从皮毛傺易到栖息的地方缺失的成千上万存活威协，近些年气候问题的危害更加重了其种群的易损性。据统计，在2019年至2020年间，超出5000只考拉丧生于加拿大的森林火灾。新南威尔士州(NSW)法律联合会判断，若?有适度维护，本世纪中叶考拉很有可能在该州绝种。
该项目经理、昆士兰理工学院生物学副教授职称伯格汉米尔顿(Grant Hamilton)说，考拉是加拿大的代表性小动物，当今世界别的地区也没有。她们必须掌握森林里究竟有多少考拉，但她们并不了解，由于他们难以找。
汉米尔顿详细介绍，科学研究工作人员们试着了多种多样方法去测算考拉的总数，包含声学材料检验、在狗的协助下数排泄物……但最精确的方法或是让一组人来到树下采样，随后独立测算每株树枝的考拉数量。但是，这类劳动密集的“踏踏实实”的方式 依然忽视了很多郊外主题活动的考拉，研究表明权威专家们具体只有数出一个地区里大概四分之三的考拉。
为了更好地提升测算考拉数量的高效率和精确度，汉米尔顿和他的精英团队开发设计了一种应用无人飞机、热成像仪和人工智能技术的方式 。但是，由于考拉们并不像树袋熊那般坐着树顶上，只是栖居在繁杂的三维空间，这也遭遇了许多挑?。
科学研究工作组开发设计了深度学习优化算法来协助挑选鉴别无人飞机搜集的热图象，但汉米尔顿说，一开始就会有各种各样乱报，它会把澳洲袋鼠、人、乃至热的汽车发动机作为考拉。又由于考拉太过冷门，精英团队?有寻找可以支撑点优化算法鉴别出考拉的高品质图型数据库查询。汉米尔顿说，“互联网技术上面有十亿张猫的图片，因此假如你要训炼一个深度学习优化算法来找寻猫是没什么问题的。（但）从无人飞机上拍?的考拉热图象并不是很多”
好在，难题或是解决了。汉米尔顿说，她们能够 先训炼优化算法对于小动物，随后调整它对于考拉。最终只必须几十张相片就可以了。他还称，历经普遍的训炼和发展趋势，人工智能技术如今比人力能更精确地鉴别考拉，速率也迅速。一个4人工作组一天能够 遮盖大概10公亩的土地资源，而无人飞机 人工智能技术2钟头就可以数完50公亩。
憧憬未来，汉米尔顿表明，该精英团队已经专注于近即时地解决数据信息与多种群检验。后面一种将能使一种优化算法可检验“好几个有兴趣的小动物”，而不是将每一次管理局仅限于单独种群。
