据国外Tech Republic网站报道，许多研究人员正在利用大量技术手段来帮助野生动物和土地的保护，包括用面部识别跟踪加拿大西部的熊、通过深度学习预测美国的野火……而在澳大利亚，昆士兰科技大学（QUT）的研究小组正在利用人工智能（AI）、无人机、热成像和机器学习（ML）等技术探测和保护考拉。
考拉面临着从毛皮贸易到栖息地丧失的无数生存威胁，加之近年来气候变化的影响更加剧了其物种的脆弱性。据估计，在2019年至2020年间，超过5000只考拉死于澳大利亚的森林大火。新南威尔士州（NSW）立法委员会断定，若没有适当保护，本世纪中叶考拉可能在该州灭绝。
该项目负责人、昆士兰理工大学生态学副教授Grant Hamilton说，考拉是澳大利亚的标志性动物，在世界上其他地方都没有。他们需要了解丛林中到底有多少考拉，但他们并不知道，因为它们很难找。
Hamilton介绍，研究人员们尝试了多种办法去计算考拉的数量，包括声学检测、在狗的帮助下数粪便……但最准确的办法还是让一组人走到树下采样，然后单独计算每棵树上的考拉数量。不过，这种劳动密集型的“脚踏实地”的方法仍然忽略了许多野外活动的考拉，研究表明专家们实际只能数出一个区域里大约四分之三的考拉。
为了提高计算考拉数量的效率和准确度，Hamilton和团队共同开发了使用无人机 + 热成像仪 + 人工智能的方法。不过，因为考拉们栖息在复杂的三维空间，这也面临了不少挑战。
研究小组开发了机器学习算法来帮助筛选识别无人机收集的热图像，但Hamilton表示，一开始就有各种误报，常把袋鼠、人、甚至热的汽车引擎当做考拉。又因为考拉太过小众，团队没有找到能够支撑算法识别出考拉的高质量图形数据库。 Hamilton说，“互联网上有十亿张猫的图片，所以如果你想训练一个机器学习算法来寻找猫是没问题的。但从无人机上拍摄的考拉热图像并不多。”
好在，问题还是解决了。Hamilton表示，他们可以先训练针对动物的算法，然后微调使它针对考拉。最后只需要几百张照片就足够。他还称，经过广泛的训练和发展，人工智能现在比人工更准确地识别考拉，速度也更快。4人小组一天可以覆盖大约10公顷的土地，而热成像无人机 + 人工智能则能在2小时内数完50公顷。
展望未来，Hamilton表示，该团队正致力于近实时地处理数据与多物种检测。后者将能使算法检测“多个感兴趣的动物”，而不是将每次调查局限于单个物种。
