Bird Feeder Monitor V2.0: 12 trinn (med bilder)

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:21

Dette er et prosjekt for å overvåke, fotografere og registrere antall og tid brukt av fugler som besøker vår fuglemater. Flere Raspberry Pi (RPi) ble brukt til dette prosjektet. Den ene ble brukt som en kapasitiv berøringssensor, Adafruit CAP1188, for å oppdage, registrere og utløse fotografiene av fuglene som fôret. En annen RPi ble konfigurert for å kontrollere driften av dette overvåkingssystemet, samt lagre og vedlikeholde dataene for overvåking og analyse. Den siste RPi ble konfigurert som et kamera for å fotografere hver fugl som besøker materen.

Rekvisita

1. 1 ea - Raspberry Pi W
2. 1 ea - Raspberry Pi 3 - modell B+ - for MQTT -server
3. 1 ea - Raspberry Pi med kamera - Valgfritt
4. 2 stk - Værbestandige etuier for RPi og CAP1188 sensor
5. 1 stk. - Kobberfoliebånd med ledende lim
6. Wire - 18-22 AWG
7. Loddejern og loddetinn
8. Loddefluks for elektronikk
9. Silikon -tetning*
10. 8 stk - M3 x 25 maskinskruer*
11. 8 stk - M3 nøtter*
12. 1 ea - Proto Board for montering av CAP1188
13. 1 stk. - 1x8 kvinnelig Dupont -kontakt
14. 1 stk. - 1x6 mannlig Dupont -kontakt
15. 1 ea - CAP1188 - 8 -tasters kapasitiv berøringssensor
16. 2 stk - PG7 vanntett IP68 nylon kabelgjennomføringsledd justerbar låsemutter for 3 mm -6,5 mm dia kabeltråd
17. 1 sett - 2 -polet bil vanntett elektrisk kontaktplugg med ledning AWG Marine -pakke med 10 stk
18. 3 ea - 5VDC strømforsyning - en for hver RPi
19. 1 ea - Bird Feeder (CedarWorks Plastic Hopper Bird Feeder), eller hvilken som helst Bird Feeder med plast- eller trepinnar

*for 3D -trykte værbestandige etuier

Trinn 1: Oversikt over Bird Feeder Monitoring System

Dette er et overvåkingssystem som er designet for å telle, ta tid, registrere og fotografere fuglene som fôrer ved vår fuglemater. Den forrige versjonen av min Bird Feeder Monitor brukte en Arduino Yun og lagret dataene i et regneark på Google Disk. Denne versjonen bruker flere Raspberry Pi, MQTT -kommunikasjon og lokal lagring av data og fotografier.

Fuglemateren er utstyrt med en Raspberry Pi Zero W og kapasitiv berøringssensor (CAP1188). Eventuelle fugler som tenner på sidene, aktiverer berøringssensoren som starter en tidtaker for å bestemme hvor lenge hver hendelse varer. Så snart berøringen er aktivert, publiseres "monitor/mater/bilde" MQTT -meldingen av Bird Feed Monitor. Denne meldingen varsler Raspberry Pi -kameraet om å ta et bilde. Hvis MQTT -serveren publiserer en "monitor/feeder/getcount" -melding, vil Bird Feeder Monitor svare med en "monitor/mater/count" MQTT -melding som serveren vil lagre.

MQTT -serveren utfører flere oppgaver. Den ber om og lagrer data fra Bird Feeder Monitor, og den kontrollerer driften av monitoren. Den aktiverer skjermen ved daggry og slår den av ved skumring. Den kontrollerer også tidsintervallet for å be om data, og den overvåker også gjeldende værforhold via DarkSky. Værforholdene overvåkes av et par årsaker. Først av alt kan mengden nedbør påvirke sensorene. Hvis dette skjer, kalibreres sensorene på nytt regelmessig mens det regner. Den andre grunnen er å overvåke og registrere værforholdene for korrelasjon med dataene om fugletelling.

Raspberry Pi -kameraet er en RPi + Raspberry Pi -kameramodul. Kameraprogramvaren som brukes for dette prosjektet, fungerer ikke med et USB -webkamera. RPi -kameraet er utstyrt med WIFI og bruker MQTT Client -programvare. Den abonnerer på "monitor/mater/bilde" MQTT -meldinger, og tar et bilde hver gang denne meldingen mottas. Bildene lagres på RPi -kamera og administreres eksternt.

Trinn 2: Installere Raspbian på Bird Feeder Monitor

Installer den nyeste versjonen av Raspbian Lite på Raspberry Pi Zero W. Jeg anbefaler å følge trinn-for-trinn-instruksjonene som du finner i Adafruit's Raspberry Pi Zero Headless Quick Start.

Følgende trinn ble inkludert i instruksjonene ovenfor, men fortjener å gjentas:

Koble til RPi via ssh og kjør følgende kommandoer:

sudo apt-get oppdateringer sudo apt-get oppgradering

Kommandoene ovenfor vil ta en stund å fullføre, men å kjøre disse kommandoene vil sikre at du er oppdatert med de nyeste pakkene.

Deretter kjører du følgende kommando for å konfigurere RPi -programvaren:

sudo raspi-config

Endre passordet ditt, aktiver SPI og I2C, og utvid filsystemet. Når disse er fullført, avslutter du raspi-config.

Trinn 3: Kabling av RPi og CAP1188

Raspberry Pi W (RPi) og CAP1188 er kablet med I2C. Det er andre kapasitive berøringssensorer tilgjengelig med enten en, fem eller åtte sensorer. Jeg valgte åtte fordi min fuglemater har seks sider.

Kabling:

• 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 == Koble til ledninger på hver abbor via 1x8 kvinnelig Dupont-kontakt
• CAP1188 3Vo == CAP1188 AD - Koble I2C -adressen til 0x28
• RPi Pin 2 == +5VDC
• RPi Pin 14 == GND

Strøm til RPi ble levert eksternt, ved å føre en ledning under jorden fra garasjen min, og opp gjennom røret som ble brukt som fuglematerstativ. En 2-pinners værbestandig kontakt ble festet til enden av ledningen for tilkobling av RPi Bird Feeder Monitor. Den andre enden av ledningen var koblet til en smeltet 5-VDC strømforsyning i garasjen. Dette prosjektet burde fungere med batterier, men jeg ønsket ikke å måtte bytte batterier regelmessig.

Jeg konstruerte en 16 lang kabel for å koble den værbestandige boksen som inneholder RPi til den værbestandige boksen som inneholder CAP1188. Den kapasitive sensoren må være plassert så nær sidene som mulig.

RPi Zero og CAP1188 kunne ha blitt pakket i en værbestandig eske, men jeg foretrakk å pakke dem separat.

Trinn 4: Konfigurering av fuglematermonitoren

Logg deg på Raspberry Pi Zero W og utfør følgende trinn.

Installer pip:

sudo apt-get install python3-pip

Installer Adafruit CircuitPython:

sudo pip3 install -oppgrader setuptools

Se etter I2C- og SPI -enheter:

ls /dev /i2c* /dev /spi*

Du bør se følgende svar:

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

Installer deretter 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 -verktøy:

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

Sjekk I2C -adresser med verktøyet ovenfor:

i2cdetect -y 1

Hvis CAP1188 er tilkoblet, vil du se det samme svaret som på bildet ovenfor, noe som indikerer at sensoren er på I2C -adressen 0x28 (eller 0x29 avhengig av ditt valg av I2C -adresse).

Installer mygg, mygg-klienter og paho-mqtt:

sudo apt-get install mygg mosquitto-klienter python-mosquitto

sudo pip3 installer paho-mqtt

Jeg anbefaler å bruke Adafruit's Configuring MQTT på Raspberry Pi for å konfigurere og konfigurere MQTT på denne RPi.

Installer programvaren Bird Feeder Monitor:

cd ~

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

Lag loggkatalog:

cd ~

mkdir -logger

Koble CAP1188 -sensoren til RPi og utfør følgende for å teste systemet etter at MQTT -serveren er i drift:

cd RPi_bird_feeder_monitor

sudo nano config.json

Erstatt verdiene for "OIP_HOST", "MQTT_USER", "MQTT_PW" og "MQTT_PORT" for å matche ditt lokale oppsett. Avslutt og lagre endringene.

Kjør ved oppstart

Mens den fortsatt er i katalogen/home/pi/RPi_bird_feeder_monitor.

nano launcher.sh

Inkluder følgende tekst i launcher.sh

#!/bin/sh

# launcher.sh # naviger til hjemmekatalogen, deretter til denne katalogen, kjør deretter python -skript, deretter tilbake hjem cd /cd home /pi /RPi_bird_feeder_monitor sudo python3 feeder_mqtt_client.py cd /

Avslutt og lagre launcher.sh

Vi må gjøre skriptet kjørbart.

chmod 755 launcher.sh

Test skriptet.

sh launcher.sh

Deretter må vi redigere crontab (linux task manager) for å starte skriptet ved oppstart. Merk: Vi har allerede opprettet katalogen /logger tidligere.

sudo crontab -e

Dette vil bringe crontab -vinduet som vist ovenfor. Naviger til slutten av filen og skriv inn følgende linje.

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

Avslutt og lagre filen, og start RPi på nytt. Skriptet skal starte feeder_mqtt_client.py -skriptet etter at RPi starter på nytt. Statusen til skriptet kan kontrolleres i loggfilene i mappen /logger.

Trinn 5: 3D -trykte deler

Disse STL -filene er for 3D -trykte deler jeg opprettet for dette prosjektet, og alle disse delene er valgfrie. Værbestandige etuier kan produseres eller kjøpes lokalt. "Monteringskilen" til CedarWorks Bird Feeder er også valgfri. Denne delen var nødvendig for å montere CAP1188 sensorhuset.

Trinn 6: Montering av fuglemater

Etter å ha installert Raspbian, konfigurert og testet RPi og CAP1188 -sensoren som nevnt tidligere, er det på tide å montere disse enhetene i sine værbestandige etuier.

Jeg brukte de to værbestandige koffertene jeg skrev ut for å montere RPi og CAP1188 -sensoren. Først av alt, boret jeg et 1/2 hull i den ene enden av hvert etui. Bor hullet på RPi -saken motsatt siden med SD -kortet. Monter Nylon Cable Gland Joint med justerbar låsemutter i hvert hull. Kjør de fire lederkabel mellom hvert etui. Installer og lodd den 2 -pinners bil vanntette elektriske hunnkontakten til RPi som vist på bildet ovenfor. Lodd den røde ledningen til +5VDC pin 2 på RPi, og den svarte ledningen til GND eller pin 14. Se koblingsskjemaet for de andre tilkoblingene som brukes på RPi.

Før den andre enden av de fire ledertråden gjennom pakningsleddet på CAP1188 -etuiet, og fest ledningene som angitt i koblingsskjemaet. Alle 8 av CAP1188 kapasitive berøringssensorer er loddet til 8 -pinners Dupont -kontakten. Denne kontakten er innfelt i siden av saken for å tillate vanntett tetning når toppen påføres. Merk: Toppen i begge tilfeller vil trolig kreve endringer for å tillate muttere på Gland Joint Connectors.

Før jeg lukker, påfører jeg silikonpakning på kantene på hvert etui, og rundt ledningene på kjertelforbindelsene for å forsegle kabinettene. Jeg legger også til silikon på baksiden av Dupont -kontakten for å forsegle den fra elementene.

Trinn 7: Koble til fuglemateren

Hver av sidene på materen var dekket med 1/4 bredt selvklebende kobberfoliebånd. Et lite hull ble boret gjennom tapen og abboren, og en ledning ble loddet til foliebåndet og ført under materen. Hver av de ledninger er koblet til en 6-pinners Dupont-kontakt.

Merk: Med fuglemateren vist ovenfor, anbefaler jeg et mellomrom mellom endene på hver foliestripe på 1 1/4 " - 1 1/2". Jeg oppdaget at de større fuglene, som grackles og duer, er i stand til å berøre to foliestrimler samtidig hvis de plasseres for å lukke hverandre.

"Monteringskilen" nevnt tidligere ble trykt og limt på bunnen av materen for å gi et jevnt område for montering av den værbestandige boksen som inneholder CAP1188. Borrelås -tape ble påført esken så vel som treblokken for å gi et middel til å feste. Dette kan sees på bildet ovenfor av den ferdige monteringen. En borrelåsrem brukes til å vikle rundt røret og RPi -boksen for å feste dem under materen.

Fuglemateren fylles på igjen med sensoren og RPi festet til materen, og mens den fremdeles er på rørstativet. Heldigvis er jeg 6'2 høy og når beholderen uten særlig innsats.

Trinn 8: MQTT -server

Hvis du allerede dabbler i IOT -verden, kan det hende at du allerede har en MQTT -server i gang på nettverket ditt. Hvis du ikke gjør det, anbefaler jeg å bruke en Raspberry Pi 3 for MQTT-serveren, og instruksjonene og IMG-bildefilen finnes på Andreas Spiess nettsted "Node-Red, InfuxDB & Grafana Installation". Andreas har også en informativ video om dette emnet #255 Node-Red, InfluxDB og Grafana Tutorial på Raspberry Pi.

Når Node-Red Server er i drift, kan du importere Bird Feeder Monitor-strømmen ved å kopiere dataene i ~/RPi_bird_feeder_monitor/json/Bird_Feeder_Monitor_Flow.json, og bruke Import> Utklippstavle for å lime ut utklippstavlen til en ny flyt.

Denne flyt vil kreve følgende noder:

• node-red-node-darksky-En DarkSky API-konto er nødvendig for å bruke denne noden.
• node-red-contrib-bigtimer-Big Timer av Scargill Tech
• node-red-contrib-influxdb-InfluxDB Database

Værdata for posisjonen din leveres via DarkSky. Og jeg overvåker og registrerer for øyeblikket "precipIntensity", "temperatur", "fuktighet", "windSpeed", "windBearing", "windGust" og "cloudCover". "Nedbørsintensiteten" er viktig fordi den brukes til å avgjøre om sensorene må kalibreres på nytt som følge av regnet.

Big Timer -noden er den sveitsiske hærkniven til tidtakere. Den er vant til å starte og stoppe opptak av data ved daggry og skumring hver dag.

InfluxDB er en lett å bruke tidsseriedatabase. Databasen legger automatisk til et tidsstempel hver gang vi setter inn data. I motsetning til SQLite trenger ikke feltene å være definert. De legges til automatisk når data settes inn i databasen.

Node-rød konfigurasjon

JSON -filen nevnt ovenfor vil laste en Flow som krever noen justeringer for å passe dine krav.

1. Koble "MQTT Publish" og "monitor/feeder/#" til MQTT -serveren.
2. Angi breddegrad og lengdegrad til posisjonen din i "Dawn & Dusk Timer (config)" Big Timer -noden.
3. Konfigurer noden "monitor/feeder/astronomy (config)". Kameraet kan aktiveres/deaktiveres for hver abbor. For eksempel er to av sidene mine på baksiden, og kameraet er deaktivert for disse sidene.
4. Still noden "Counter Timer (config)" til ønsket tidsintervall. Standard = 5 min
5. Sett breddegrad og lengdegrad til posisjonen din i "DarkSky (config)" -noden. For det andre, skriv inn DarkSky API-nøkkelen din i darksky-legitimasjonsnoden.
6. Still nedbørsintensiteten i "monitor/mater/omkalibrer (config)" funksjonsnode. Standard = 0,001 tommer/time
7. Rediger "Emnefilter for MQTT Receiver Debug Node (config)" Funksjonsnode for å filtrere MQTT -meldingene du ikke vil se.
8. Valgfritt: Hvis du ønsker å lagre data i et regneark på Google Disk, må du redigere funksjonsnoden "Bygg Google Dokumenter nyttelast (config)" med skjemafelt -ID -er.
9. Valgfritt: Legg til din unike skjema -URL i URL -feltet i HTTP -forespørselsnoden "Google Docs GET (config)".

Node-Red UI Desktop

Bird_Feeder_Monitor_Flow inkluderer et brukergrensesnitt (UI) for tilgang til MQTT -serveren via en mobiltelefon. Monitoren kan slås AV eller PÅ, rekalibreres sensorer eller ta bilder manuelt. En total av "berøring" av sensoren vises også, noe som vil gi deg en grov ide om antall fugler som besøker materen.

Trinn 9: Grafana

"Grafana er en åpen kildekode -metrisk analyse- og visualiseringspakke. Den brukes mest til å visualisere tidsseriedata for infrastruktur og applikasjonsanalyse, men mange bruker den i andre domener, inkludert industrielle sensorer, hjemmeautomatisering, vær og prosesskontroll." refn: Grafana Docs.

Denne programvaren er inkludert på Andreas Spiess bildefil som ble brukt til å lage min MQTT -server. Etter konfigurering av InfluxDB -databasen på MQTT -serveren, kan Grafana konfigureres til å bruke denne databasen som vist på bildet ovenfor. Deretter kan dashbordet som brukes av dette prosjektet lastes ned fra JSON -filen som finnes i ~/RPi_bird_feeder_monitor/json/Bird_Feeder_Monitor_Grafana.json. Tips for konfigurering av Grafana finner du på Andreas Spiess nettsted "Node-Red, InfuxDB & Grafana Installation".

Trinn 10: InfluxDB

Som nevnt før har Adreas Spiess en flott guide og video for å gå deg gjennom konfigurasjonen av InfluxDB. Her er trinnene jeg tok for å konfigurere databasen min.

Først og fremst logget jeg på MQTT -serveren min via SSH og opprettet en BRUKER:

root@MQTTPi: ~#

root@MQTTPi: ~# tilstrømning Koblet til "https:// localhost: 8086" versjon 1.7.6 InfluxDB -skallversjon: 1.7.6 Skriv inn en InfluxQL -spørring> SKAP BRUKER "pi" MED PASSORD 'bringebær' MED ALLE PRIVILEGER> VIS BRUKERE bruker admin ---- ----- pi true

Deretter opprettet jeg en database:

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

ETTER du har opprettet databasen ovenfor, kan du konfigurere InfluxDB-noden i Node-Red. Som sett på bildet ovenfor, kaller jeg målingen "feeders". Dette kan sees i InfluxDB etter at data har initialisert:

BRUK BIRD_FEEDER_MONITORBruker databasen BIRD_FEEDER_MONITOR

> VIS MÅLINGER navn: mål navn ---- matere>

En av de mange funksjonene i InfluxDB er at FIELDS -konfigurasjonen ikke er nødvendig. FIELDS legges til og konfigureres automatisk når data legges inn. Her er FIELDS og FIELDTYPE for denne databasen:

VIS FELTNØKELAVN: feeders fieldTastefeltType -------- --------- cloudcover float count_1 float count_2 float count_3 float count_4 float count_5 float count_6 float fuktighet float navn streng precip_Int flyt 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>

Noen få oppføringer fra databasen kan sees nedenfor:

VELG * FRA matere LIMIT 10 name: feeders time cloudcover count_1 count_2 count_3 count_4 count_5 count_6 fuktighetsnavn precip_Int temp time_1 time_2 time_3 time_4 time_5 time_6 winddir vindkast vindhastighet ---- ---------- ----- -------- ------- ------- ------- ------- -------- ----- --------- ---- ------ ------ ------ ------ ------ ------- ------ -------- --------- 1550270591000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550271814000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 0 1550272230000000000 0 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550272530000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550272830000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550273130000000000 0 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550273430000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550273730000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550274030000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 1550274330000000000 0 0 0 0 0 0 Mater1 0 0 0 0 0 0 0>

Trinn 11: Raspberry Pi -kamera

Jeg anbefaler å bruke min Instructable, Remote CNC Stop and Monitor, for å montere et Raspberry Pi -kamera. Utfør alle trinnene nevnt unntatt 6 og 8 for å lage kameraet. Vær oppmerksom på at jeg bruker en eldre Raspberry Pi til kameraet mitt, men det har fungert veldig bra fra butikkvinduet mitt.

Oppgrader Rasbian:

sudo apt-get oppdateringer sudo apt-get oppgradering

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 clone "https://github.com/sbkirby/RPi_bird_feeder_monitor.git"

Hvis du ønsker å lage videoer fra bildene tatt av kameraet, installerer du ffmpeg:

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

cd ffmpeg./configure gjør sudo make install

Konfigurering av tillatelsene til programvaren for overvåking av fuglemater:

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

Personlig anbefaler jeg ikke å bruke make_movie.sh på RPi -kameraet. Det krever mange ressurser å kjøre på RPi. Jeg anbefaler å overføre bildene til PC -en og kjøre ffmpeg der.

Kjør ved oppstart

Logg deg på RPi og bytt til /RPi_bird_feeder_monitor -katalogen.

cd RPi_bird_feeder_monitor

nano launcher.sh

Inkluder følgende tekst i launcher.sh

#!/bin/sh

# launcher.sh # naviger til hjemmekatalogen, deretter til denne katalogen, kjør deretter python -skript, deretter tilbake hjem cd /cd home /pi /RPi_bird_feeder_monitor sudo python3 camera_mqtt_client.py cd /

Avslutt og lagre launcher.sh

Vi må gjøre skriptet og kjørbart.

chmod 755 launcher.sh

Test skriptet.

sh launcher.sh

Lag en loggkatalog:

cd ~

mkdir -logger

Deretter må vi redigere crontab (linux task manager) for å starte skriptet ved oppstart.

sudo crontab -e

Dette vil bringe crontab -vinduet som vist ovenfor. Naviger til slutten av filen og skriv inn følgende linje.

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

Avslutt og lagre filen, og start RPi på nytt. Skriptet skal starte skriptet camera_mqtt_client.py etter at RPi starter på nytt. Statusen til skriptet kan kontrolleres i loggfilene i mappen /logger.

Trinn 12: Nyt

Vi liker å se på fugler, men vi kan ikke plassere materen på et sted for maksimal nytelse. Det eneste stedet de fleste av oss kan se det er fra frokostbordet, og ikke alle kan se materen derfra. Derfor kan vi med Bird Feeder Monitor beundre fuglene når det passer oss.

En ting vi oppdaget med skjermen er hyppigheten av fugler som lander på en abbor, etterfulgt av å hoppe til neste abbor til de har omgått hele materen. Som et resultat er fugletellingen langt unna antallet individuelle fugler som besøker materen vår. En mater med bare en eller to smale abbor ville trolig være best for å "telle" fugler.

Andre pris i sensorkonkurransen