通过使用附加的传感器识别野外动物的运动，很有可能检测到附近是否有偷猎者。这些动物活动识别传感器还可以帮助生物多样性研究或牛管理。特温特大学的研究员 Jacob Kamminga 开发了一种内置智能的运动传感器，用于识别各种动物的运动模式。该传感器消耗的能量非常少，可以应对恶劣的条件。

直到今天，许多大象因象牙而被杀，犀牛因号称具有治疗作用的角而被杀。尽管更严格的规定带来了一些改善，但仍有太多野生动物成为偷猎的受害者。通过识别动物的运动，有可能检测到它们对人类存在的反应。卫星、GPS 数据和遥感已经证明对此类活动很有价值。来自直接连接到动物身体的传感器的数据可能具有巨大的附加值。

Kamminga 对这种识别所需的测量类型以及内置智能进行了研究。他的工作的一个显着结论是，在大多数情况下，一个传感器，一个加速度计，就足够了。“我还添加了一个测量旋转的陀螺仪。这可以使它更准确，但这需要付出代价。它消耗的能量是加速度计的 100 倍。在大多数情况下，只要加速度计就足够准确了，”Kamminga 说。更换电池不是一种选择，因此能源效率是首要任务之一。

传感器的运动由系统的智能识别。为每个动物物种训练具有许多可能运动的系统是劳动密集型的。这被称为标记数据，Kamminga 表明传感器智能可以使用大部分未标记数据进行操作，只需一小部分标记数据作为基础。实际的识别可以使用相对简单的决策树来完成，但今天，也可以在传感器中加入深度学习神经网络。这提高了系统的灵活性。Kamminga 已经分析了山羊、绵羊和马的运动模式。

测量和分类后，使用移动网络或卫星连接发送数据。为了避免使用过多的能量，传感器仅在发生变化时传输数据。恶劣的自然环境可能是另一个挑战：如果传感器波段移动，数据应该仍然准确。Kamminga 也为此开发了一个解决方案。

这种类型的动物活动数据也可以用于分析某个区域的生物多样性。特定位置的动物是否有足够的食物和活动自由？这些通常是 UT-Faculty ITC（地球信息科学和地球观测）的问题。Andrew Skidmore 教授参与了 Kamminga 的工作。他说：“将使用传感器记录的野生动物运动与遥感图像和 GIS 模型联系起来是一种很有前途的技术，可以更好地了解物种的生态需求，并为管理和政策决策提供保护结果和生物多样性的信息。”

Kamminga 在 Paul Havea 教授的普遍系统小组中进行了研究。该小组专门从事小型、节能、通常可自主通信的传感器，用于广泛的应用，包括监测水质或桥梁和隧道等基础设施工程的维护状态。