Bird Feeder Monitor V2.0: 12 trin (med billeder)

2024 Forfatter: John Day | [email protected]. Sidst ændret: 2024-01-30 08:25

Dette er et projekt til at overvåge, fotografere og registrere antallet og den tid, fugle besøger vores fuglefoder. Flere Raspberry Pi's (RPi) blev brugt til dette projekt. Den ene blev brugt som en kapacitiv berøringssensor, Adafruit CAP1188, til at registrere, registrere og udløse fotografier af fuglene, der fodrede. En anden RPi blev konfigureret til at styre driften af dette overvågningssystem samt lagre og vedligeholde data til overvågning og analyse. Den sidste RPi blev konfigureret som et kamera til at fotografere hver fugl, der besøger føderen.

Forbrugsvarer

1. 1 stk - Raspberry Pi W
2. 1 ea - Raspberry Pi 3 - Model B+ - til MQTT Server
3. 1 stk. - Raspberry Pi med kamera - valgfri
4. 2 stk. - Vejrbestandige kasser til RPi og CAP1188 sensor
5. 1 stk. - Kobberfoliebånd med ledende klæbemiddel
6. Wire - 18-22 AWG
7. Loddejern og lodning
8. Loddeflux til elektronik
9. Silikone tætning*
10. 8 stk. - M3 x 25 maskinskruer*
11. 8 stk - M3 nødder*
12. 1 stk - Proto Board til montering af CAP1188
13. 1 stk. - 1x8 kvindelig Dupont -stik
14. 1 stk. - 1x6 han -Dupont -stik
15. 1 stk. - CAP1188 - 8 -nøgles kapacitiv berøringssensor
16. 2 stk. - PG7 vandtæt IP68 nylonkabelkirtelforbindelse, justerbar låsemøtrik til 3 mm -6,5 mm Dia -kabeltråd
17. 1 sæt - 2 -polet bil vandtæt elektrisk stik stik med ledning AWG Marine pakke med 10
18. 3 stk. - 5VDC strømforsyning - en for hver RPi
19. 1 ea - Bird Feeder (CedarWorks Plastic Hopper Bird Feeder), eller en hvilken som helst Bird Feeder med plastik eller træ siddepinde

*til 3D -trykte vejrbestandige etuier

Trin 1: Oversigt over Bird Feeder Monitoring System

Dette er et overvågningssystem designet til at tælle, tid, registrere og fotografere fuglene, der fodrer ved vores fuglefoder. Den tidligere version af min Bird Feeder Monitor brugte en Arduino Yun og lagrede dataene i et regneark på mit Google Drive. Denne version bruger flere Raspberry Pi'er, MQTT -kommunikation og lokal lagring af data og fotografier.

Bird Feeder er udstyret med en Raspberry Pi Zero W og kapacitiv berøringssensor (CAP1188). Enhver fugl, der tænder på siddepinde, aktiverer berøringssensoren, der starter en timer for at bestemme, hvor lang tid hver begivenhed varer. Så snart berøringen er aktiveret, offentliggøres "monitor/feeder/picture" MQTT -meddelelsen af Bird Feeder Monitor. Denne meddelelse giver Raspberry Pi -kameraet besked om at tage et foto. Hvis MQTT -serveren udgiver en "monitor/feeder/getcount" -meddelelse, vil Bird Feeder Monitor svare med en "monitor/feeder/count" MQTT -meddelelse, som serveren vil gemme.

MQTT -serveren udfører flere opgaver. Den anmoder om og gemmer data fra Bird Feeder Monitor, og den styrer monitorens funktion. Den aktiverer skærmen ved daggry og lukker den ned i skumringen. Det styrer også tidsintervallet for anmodning om data, og det overvåger også de aktuelle vejrforhold via DarkSky. Vejrforholdene overvåges af et par årsager. Først og fremmest kan mængden af nedbør påvirke sensorerne. Hvis dette sker, kalibreres sensorerne rutinemæssigt, mens regnen falder. Den anden grund er at overvåge og registrere vejrforholdene for korrelation med fugletællingsdataene.

Raspberry Pi -kameraet er et RPi + Raspberry Pi -kameramodul. Den kamerasoftware, der bruges til dette projekt, fungerer ikke med et USB -webcam. RPi -kameraet er udstyret med WIFI og driver MQTT Client -software. Den abonnerer på "monitor/feeder/picture" MQTT -meddelelser og tager et foto hver gang denne besked modtages. Billederne gemmes på RPi -kamera og administreres eksternt.

Trin 2: Installation af Raspbian på Bird Feeder Monitor

Installer den nyeste version af Raspbian Lite på Raspberry Pi Zero W. Jeg anbefaler at følge trin-for-trin instruktionerne, der findes i Adafruit's Raspberry Pi Zero Headless Quick Start.

Følgende trin blev inkluderet i instruktionerne ovenfor, men fortjener at blive gentaget:

Opret forbindelse til RPi via ssh og kør følgende kommandoer:

sudo apt-get opdateringer sudo apt-get upgrade

Ovenstående kommandoer tager et stykke tid at fuldføre, men hvis du kører disse kommandoer, sikres du, at du er opdateret med de nyeste pakker.

Kør derefter følgende kommando for at konfigurere RPi -softwaren:

sudo raspi-config

Skift din adgangskode, aktiver SPI og I2C, og udvid filsystemet. Når disse er udført, skal du afslutte raspi-config.

Trin 3: Kabelføring af RPi og CAP1188

Raspberry Pi W (RPi) og CAP1188 er forbundet med I2C. Der findes andre kapacitive berøringssensorer med enten en, fem eller otte sensorer. Jeg valgte otte, fordi min fuglefoder har seks sider.

Ledninger:

• CAP1188 SDA == RPi Pin 3
• CAP1188 SCK == RPi Pin 5
• CAP1188 VIN == RPi Pin 1 (+3.3VDC)
• CAP1188 GND == RPi Pin 9 (GND)
• CAP1188 C1-C8 == Tilslut til ledninger på hver siddepinde via 1x8 kvindelig Dupont-stik
• CAP1188 3Vo == CAP1188 AD - Tilslut I2C -adressen til 0x28
• RPi Pin 2 == +5VDC
• RPi Pin 14 == GND

Strøm til RPi blev leveret eksternt ved at føre en ledning under jorden fra min garage og op gennem røret, der blev brugt som fuglefoderstativ. En 2-benet vejrbestandig stik blev fastgjort til enden af ledningen til tilslutning af RPi Bird Feeder Monitor. Den anden ende af ledningen var forbundet til en smeltet 5-VDC strømforsyning i garagen. Dette projekt skulle fungere med batterier, men jeg ville ikke have besværet med at skifte batterier rutinemæssigt.

Jeg konstruerede et 16 langt kabel til at forbinde den vejrbestandige boks, der indeholder RPi, til den vejrbestandige boks, der indeholder CAP1188. Den kapacitive sensor skal placeres så tæt på siddepindene som muligt.

RPi Zero og CAP1188 kunne have været pakket i en vejrbestandig æske, men jeg foretrak at pakke dem separat.

Trin 4: Konfiguration af fuglfødermonitor

Log ind på Raspberry Pi Zero W og udfør følgende trin.

Installer pip:

sudo apt-get install python3-pip

Installer Adafruit CircuitPython:

sudo pip3 install -opgrader setuptools

Se efter I2C- og SPI -enheder:

ls /dev /i2c* /dev /spi*

Du bør se følgende svar:

/dev/i2c-1 /dev/spidev0.0 /dev/spidev0.1

Installer derefter en GPIO og Adafruit blinka -pakke:

pip3 install RPI. GPIOpip3 install adafruit-blinka

Installer Adafruit's CAP1188 -modul:

pip3 installer adafruit-circuitpython-cap1188

Installer I2C -værktøjer:

sudo apt-get install python-smbussudo apt-get install i2c-tools

Kontroller I2C -adresser med ovenstående værktøj:

i2cdetect -y 1

Hvis CAP1188 er tilsluttet, vil du se det samme svar som set på billedet ovenfor, hvilket angiver, at sensoren er på I2C -adressen 0x28 (eller 0x29 afhængigt af dit valg af I2C -adresse).

Installer myg, myg-klienter og paho-mqtt:

sudo apt-get install mosquitto mosquitto-clients python-mosquitto

sudo pip3 installer paho-mqtt

Jeg anbefaler at bruge Adafruit's Configuring MQTT på Raspberry Pi til at konfigurere og opsætte MQTT på denne RPi.

Installer Bird Feeder Monitor -softwaren:

cd ~

sudo apt-get install git git klon "https://github.com/sbkirby/RPi_bird_feeder_monitor.git"

Opret logbøger:

cd ~

mkdir -logfiler

Tilslut CAP1188 -sensoren til RPi'en, og udfør følgende for at teste systemet, efter at MQTT -serveren er i drift:

cd RPi_bird_feeder_monitor

sudo nano config.json

Udskift værdierne for "OIP_HOST", "MQTT_USER", "MQTT_PW" og "MQTT_PORT" for at matche din lokale opsætning. Afslut og gem dine ændringer.

Kør ved opstart

Mens den stadig er i mappen/home/pi/RPi_bird_feeder_monitor.

nano launcher.sh

Medtag følgende tekst i launcher.sh

#!/bin/sh

# launcher.sh # naviger til hjemmekartoteket, derefter til denne mappe, udfør derefter python -script, derefter hjem cd /cd home /pi /RPi_bird_feeder_monitor sudo python3 feeder_mqtt_client.py cd /

Afslut og gem launcher.sh

Vi skal gøre scriptet eksekverbart.

chmod 755 launcher.sh

Test scriptet.

sh launcher.sh

Dernæst skal vi redigere crontab (linux task manager) for at starte scriptet ved opstart. Bemærk: vi har allerede oprettet biblioteket /logs tidligere.

sudo crontab -e

Dette vil bringe crontab -vinduet som vist ovenfor. Naviger til slutningen af filen, og indtast følgende linje.

@reboot sh /home/pi/RPi_bird_feeder_monitor/launcher.sh>/home/pi/logs/cronlog 2> & 1

Afslut og gem filen, og genstart RPi. Scriptet skal starte feeder_mqtt_client.py -scriptet efter RPi'en genstarter. Scriptets status kan kontrolleres i logfilerne i mappen /logs.

Trin 5: 3D -printede dele

Disse STL -filer er til de 3D -udskrevne dele, jeg har oprettet til dette projekt, og alle disse dele er valgfri. Vejrbestandige etuier kan fremstilles eller købes lokalt. "Monteringskilen" til CedarWorks Bird Feeder er også valgfri. Denne del var nødvendig for at montere CAP1188 sensorhuset.

Trin 6: Fuglfødermonitormontering

Efter installation af Raspbian, konfiguration og test af RPi og CAP1188 -sensoren som tidligere nævnt, er det nu tid til at montere disse enheder i deres vejrbestandige etuier.

Jeg brugte de to vejrbestandige etuier, jeg printede, til at montere RPi og CAP1188 -sensoren. Først og fremmest borede jeg et 1/2 hul i den ene ende af hver kasse. Bor hullet på RPi -kassen modsatte side med SD -kortet. Monter Nylon -kabelforskruningsled med justerbar låsemøtrik i hvert hul. Kør de fire lederkabel mellem hver kasse. Installer og lod den 2 -pins bil vandtæt elektrisk hunstik til RPi som vist på billedet ovenfor. Lod den røde ledning til +5VDC ben 2 på RPi, og den sorte ledning til GND eller pin 14. Se ledningsdiagrammet for de andre forbindelser, der bruges på RPi.

Kør den anden ende af de fire lederkabler gennem Gland Joint på CAP1188 -kabinettet, og fastgør ledningerne som angivet i ledningsdiagrammet. Alle 8 af CAP1188 kapacitive berøringssensorer er loddet til Dupont -stikket med 8 ben. Dette stik er forsænket i siden af kabinettet for at give mulighed for vandtæt forsegling, når toppen påføres. Bemærk: Toppen i begge tilfælde vil sandsynligvis kræve ændringer for at tillade møtrikkerne på Gland Joint Connectors.

Inden lukning påfører jeg silikone tætning på kanterne af hver sag og omkring ledningerne i kirtelforbindelserne for at forsegle sagerne. Jeg tilføjer også silikone på bagsiden af Dupont -stikket for at forsegle det fra elementerne.

Trin 7: Tilslutning af fugleføder

Hver siddepinde på føderen var dækket med 1/4 bredt selvklæbende kobberfoliebånd. Et lille hul blev boret gennem tapen og siddepinden, og en ledning blev loddet til foliebåndet og ført under føderen. Hver af de ledninger er forbundet til et han-6-benet Dupont-stik.

Bemærk: Med fuglefoderen vist ovenfor, anbefaler jeg et mellemrum mellem enderne på hver foliestribe på 1 1/4 " - 1 1/2". Jeg opdagede, at de større fugle, såsom grackles og duer, er i stand til at røre to foliestrimler på samme tid, hvis de placeres for at lukke hinanden.

"Monteringskilen", der er nævnt tidligere, blev trykt og limet til bunden af føderen for at give et plant område til montering af den vejrbestandige boks, der indeholder CAP1188. Velcrobånd blev påført boksen såvel som træblokken for at tilvejebringe et middel til fastgørelse. Dette kan ses på billedet ovenfor af den færdige samling. En velcrobånd bruges til at vikle rundt om røret og RPi -boksen for at fastgøre dem under føderen.

Fuglefremføreren genfyldes med sensoren og RPi fastgjort til føderen, og mens den stadig er på rørstativet. Heldigvis er jeg 6'2 høj og når containeren uden megen indsats.

Trin 8: MQTT -server

Hvis du allerede er i gang med IOT -verdenen, har du muligvis allerede en MQTT -server i gang på dit netværk. Hvis du ikke gør det, anbefaler jeg at bruge en Raspberry Pi 3 til MQTT-serveren, og instruktionerne og IMG-billedfilen findes på Andreas Spiess 'websted "Node-Red, InfuxDB & Grafana Installation". Andreas har også en informativ video om dette emne #255 Node-Red, InfluxDB og Grafana Tutorial på Raspberry Pi.

Når Node-Red Server er operationel, kan du importere Bird Feeder Monitor-forløbet ved at kopiere dataene i ~/RPi_bird_feeder_monitor/json/Bird_Feeder_Monitor_Flow.json og bruge Import> Udklipsholder til at indsætte udklipsholderen i et nyt flow.

Denne Flow kræver følgende noder:

• node-red-node-darksky-En DarkSky API-konto er påkrævet for at bruge denne node.
• node-red-contrib-bigtimer-Big Timer af Scargill Tech
• node-red-contrib-influxdb-InfluxDB Database

Vejrdata for din placering leveres via DarkSky. Og jeg overvåger og registrerer i øjeblikket "precipIntensity", "temperatur", "fugtighed", "windSpeed", "windBearing", "windGust" og "cloudCover". "Precipintensiteten" er vigtig, fordi den bruges til at bestemme, om sensorerne skal kalibreres igen som følge af regnen.

Big Timer -knuden er timers schweiziske hærkniv. Det er vant til at starte og stoppe registrering af data ved daggry og skumring hver dag.

InfluxDB er en let at bruge tidsseriedatabase. Databasen tilføjer automatisk et tidsstempel hver gang vi indsætter data. I modsætning til SQLite behøver felterne ikke at blive defineret. De tilføjes automatisk, når data indsættes i databasen.

Node-rød konfiguration

JSON -filen nævnt ovenfor indlæser en Flow, som kræver et par tweaks for at passe til dine krav.

1. Tilslut "MQTT Publish" og "monitor/feeder/#" til din MQTT -server.
2. Indstil breddegrad og længdegrad til din placering i "Dawn & Dusk Timer (config)" Big Timer -node.
3. Konfigurer noden "monitor/feeder/astronomy (config)". Kameraet kan aktiveres/deaktiveres for hver aborre. For eksempel er to af mine siddepinde på bagsiden, og kameraet er deaktiveret for disse siddepinde.
4. Indstil noden "Counter Timer (config)" til det ønskede tidsinterval. Standard = 5 min
5. Indstil breddegrad og længdegrad til din placering i noden "DarkSky (config)". For det andet skal du indtaste din DarkSky API-nøgle i darksky-legitimationsnoden.
6. Indstil nedbørsintensiteten i funktionsknuden "monitor/feeder/recalibrate (config)". Standard = 0,001 tommer/time
7. Rediger funktionsnoden "Emnefilter til MQTT -modtagerfejlknude (config)" for at filtrere de MQTT -meddelelser, du IKKE vil se.
8. Valgfrit: Hvis du ønsker at gemme data i et regneark på dit Google Drev, skal du redigere funktionsnoden "Build Google Docs Payload (config)" med formularfelt -id'er.
9. Valgfrit: Føj din unikke formular -URL til URL -feltet i HTTP -anmodningsknudepunktet "Google Docs GET (config)".

Node-Red UI Desktop

Bird_Feeder_Monitor_Flow indeholder en brugergrænseflade (UI) til adgang til MQTT -serveren via en mobiltelefon. Skærmen kan slås fra eller til, kalibreres sensorer eller tage fotos manuelt. I alt vises også sensorens "berøring", hvilket vil give dig en grov ide om antallet af fugle, der besøger feederen.

Trin 9: Grafana

"Grafana er en open source metrisk analyse- og visualiseringspakke. Det bruges mest til at visualisere tidsseriedata til infrastruktur og applikationsanalyse, men mange bruger det i andre domæner, herunder industrielle sensorer, hjemmeautomatisering, vejr og proceskontrol." refn: Grafana Docs.

Denne software er inkluderet på Andreas Spiess 'billedfil, der bruges til at oprette min MQTT -server. Efter konfiguration af InfluxDB -databasen på MQTT -serveren kan Grafana konfigureres til at bruge denne database som vist på billedet ovenfor. Dernæst kan instrumentbrættet, der bruges af dette projekt, indlæses fra JSON -filen, der findes i ~/RPi_bird_feeder_monitor/json/Bird_Feeder_Monitor_Grafana.json. Tips til konfiguration af Grafana findes på Andreas Spiess hjemmeside "Node-Red, InfuxDB & Grafana Installation".

Trin 10: InfluxDB

Som nævnt før har Adreas Spiess en fantastisk guide og video til at guide dig igennem konfigurationen af InfluxDB. Her er de trin, jeg tog for at konfigurere min database.

Først og fremmest loggede jeg ind på min MQTT -server via SSH og oprettede en BRUGER:

root@MQTTPi: ~#

root@MQTTPi: ~# tilstrømning Tilsluttet "https:// localhost: 8086" version 1.7.6 InfluxDB -shellversion: 1.7.6 Indtast en InfluxQL -forespørgsel> Opret bruger "pi" MED PASSORD 'hindbær' MED ALLE PRIVILEGER> VIS BRUGERE bruger admin ---- ----- pi true

Dernæst oprettede jeg en database:

Opret DATABASE BIRD_FEEDER_MONITOR>> VIS DATABASES navn: databases navn ---- _intern BIRD_FEEDER_MONITOR>

EFTER du har oprettet databasen ovenfor, kan du konfigurere InfluxDB-noden i Node-Red. Som det ses på billedet ovenfor, navngiver jeg målingen "feeders". Dette kan ses i InfluxDB, efter at data er initialiseret:

BRUG BIRD_FEEDER_MONITORBrug af database BIRD_FEEDER_MONITOR

> VIS MÅLNINGER navn: målinger navn ---- feeders>

En af de mange funktioner i InfluxDB er, at FIELDS -konfigurationen ikke er påkrævet. FIELDS tilføjes og konfigureres automatisk, når data indtastes. Her er FIELDS og FIELDTYPE for denne database:

VIS FELTNØGLENavn: feeders fieldNøglefeltType -------- --------- cloudcover float count_1 float count_2 float count_3 float count_4 float count_5 float count_6 floatidity float name string precip_Int float temp float time_1 float time_2 float time_3 float time_4 float time_5 float time_6 float winddir float windgust float windspeed float>

Et par poster fra databasen kan ses herunder:

VÆLG * FRA feeders LIMIT 10 navn: feeders time cloudcover count_1 count_2 count_3 count_4 count_5 count_6 luftfugtighedsnavn precip_Int temp time_1 time_2 time_3 time_4 time_5 time_6 winddir vindstød vindhastighed ---- ---------- ----- -------- ------- ------- ------- ------- -------- ----- --------- ---- ------ ------ ------ ------ ------ ------- ------ -------- --------- 1550270591000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550271814000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 0 1550272230000000000 0 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550272530000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550272830000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550273130000000000 0 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550273430000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550273730000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550274030000000000 0 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 1550274330000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0 0>

Trin 11: Raspberry Pi -kamera

Jeg anbefaler at bruge mit Instructable, Remote CNC Stop and Monitor, til at samle et Raspberry Pi -kamera. Udfør alle de ovennævnte trin undtagen 6 og 8 for at oprette kameraet. Bemærk, at jeg bruger en ældre Raspberry Pi til mit kamera, men det har fungeret meget godt fra mit butiksvindue.

Opgrader Rasbian:

sudo apt-get opdateringer sudo apt-get upgrade

Installer PIP:

sudo apt-get install python3-pip

Installer paho-mqtt:

sudo pip3 installer paho-mqtt

Installer git og Bird Monitoring Software:

cd ~

sudo apt-get install git git klon "https://github.com/sbkirby/RPi_bird_feeder_monitor.git"

Hvis du vil lave videoer fra de billeder, der er taget med kameraet, skal du installere ffmpeg:

git klon "https://git.ffmpeg.org/ffmpeg.git" ffmpeg

cd ffmpeg./configure make sudo make install

Konfiguration af tilladelser til Bird Feeder Monitoring -softwaren:

cd RPi_bird_feeder_monitor

sudo chmod 764 make_movie.sh sudo chmod 764 take_photo.sh sudo chown www-data: www-data make_movie.sh sudo chown www-data: www-data take_photo.sh

Personligt anbefaler jeg ikke at bruge make_movie.sh på RPi -kameraet. Det kræver mange ressourcer at køre på RPi. Jeg anbefaler at overføre billederne til din pc og køre ffmpeg der.

Kør ved opstart

Log ind på RPi, og skift til biblioteket /RPi_bird_feeder_monitor.

cd RPi_bird_feeder_monitor

nano launcher.sh

Medtag følgende tekst i launcher.sh

#!/bin/sh

# launcher.sh # naviger til hjemmekatalog, derefter til denne mappe, derefter udføre python script, derefter hjem cd /cd home /pi /RPi_bird_feeder_monitor sudo python3 camera_mqtt_client.py cd /

Afslut og gem launcher.sh

Vi skal gøre scriptet og eksekverbart.

chmod 755 launcher.sh

Test scriptet.

sh launcher.sh

Opret en logbibliotek:

cd ~

mkdir -logfiler

Dernæst skal vi redigere crontab (linux task manager) for at starte scriptet ved opstart.

sudo crontab -e

Dette vil bringe crontab -vinduet som vist ovenfor. Naviger til slutningen af filen, og indtast følgende linje.

@reboot sh /home/pi/RPi_bird_feeder_monitor/launcher.sh>/home/pi/logs/cronlog 2> & 1

Afslut og gem filen, og genstart RPi. Scriptet skal starte camera_mqtt_client.py scriptet efter RPi genstarter. Scriptets status kan kontrolleres i logfilerne i mappen /logs.

Trin 12: Nyd det

Vi nyder at se fugle, men vi kan ikke placere føderen et sted for maksimal nydelse. Det eneste sted, de fleste af os kan se det, er fra morgenbordet, og ikke alle kan se føderen derfra. Derfor kan vi med Bird Feeder Monitor beundre fuglene når det passer os.

En ting, vi opdagede med skærmen, er hyppigheden af fugle, der lander på en aborre, efterfulgt af at hoppe til den næste aborre, indtil de har omgået hele foderen. Som et resultat er fugletællingerne langt væk fra antallet af individuelle fugle, der besøger vores feeder. En feeder med kun en eller to smalle siddepinde ville nok være bedst til at "tælle" fugle.

Anden pris i sensorkonkurrencen