Vogelalbum 1.0.0

Eine Kamera am Vogelhaus, ein Rechner der erkennt wer da war — und eine
Sammlung, die sich von allein fuellt.

Zwei neuronale Netze: eines findet den Vogel im Bild, eines bestimmt die
Art. 148 heimische Arten, auf Deutschland eingeschraenkt und neu normiert —
ohne diese Einschraenkung wird aus einer Kohlmeise eine nordamerikanische
Schwesterart. Daraus entsteht ein Sammelalbum: nummerierte Seiten,
gefundene Arten in Farbe, fehlende als Schatten, dazu Erstfang, Punkte,
Stufen und 15 Abzeichen.

Laeuft vollstaendig auf eigener Hardware. Kein Cloud-Dienst, kein Konto,
keine Telemetrie; die Bilder verlassen das eigene Netz nicht.

Zwei getrennt deploybare Teile: die Sammlung als Django-Anwendung, die
Erkennung als eigener Dienst. Der Erkennungs-Dienst fragt selbst an und
braucht deshalb weder eine erreichbare Adresse noch einen offenen Port —
er laeuft hinter einem gewoehnlichen Router.

Dabei: Firmware fuer Raspberry Pi und ESP32-S3, Anbindung an Home
Assistant ueber MQTT, Oberflaeche auf Deutsch und Englisch, Einstellungen
je Kamera aus dem Browser, und ein Weg fuer Fotos von unterwegs.

AGPL-3.0.

web/dex/management/commands/demo_data.py

@@ -0,0 +1,136 @@
+"""Erzeugt plausible Beispiel-Sichtungen, damit sich die Oberfläche vor dem
+ersten echten Vogel beurteilen lässt.
+
+Bewusst kein Teil des Normalbetriebs: ``--clear`` räumt alles wieder weg.
+Die Bilder sind die Referenzfotos aus Wikipedia, keine echten Kameraaufnahmen
+— die Sichtungen sind also erkennbar Attrappe.
+"""
+
+from __future__ import annotations
+
+import random
+from datetime import timedelta
+
+from django.core.files.base import ContentFile
+from django.core.management.base import BaseCommand
+from django.utils import timezone
+
+from dex import scoring
+from dex.models import DexEntry, EarnedBadge, Sighting, Species
+
+# Wie wahrscheinlich taucht eine Seltenheitsstufe auf? Grob an einem echten
+# Garten orientiert: Kohlmeisen im Dauerbetrieb, der Sperber einmal im Monat.
+RARITY_WEIGHT = {
+    "haeufig": 60,
+    "gelegentlich": 22,
+    "selten": 6,
+    "episch": 1.2,
+    "legendaer": 0.3,
+}
+
+# Vögel am Futterhaus haben zwei Stoßzeiten: kurz nach Sonnenaufgang und am
+# späten Nachmittag.
+HOUR_WEIGHT = [
+    0.1, 0.1, 0.1, 0.2, 0.6, 2.5, 6.0, 9.0, 8.0, 6.0, 4.5, 3.5,
+    3.0, 3.2, 4.0, 5.5, 7.0, 6.5, 4.0, 1.5, 0.5, 0.2, 0.1, 0.1,
+]
+
+
+class Command(BaseCommand):
+    help = "Legt Beispiel-Sichtungen an (nur zum Ansehen der Oberfläche)."
+
+    def add_arguments(self, parser):
+        parser.add_argument("--tage", type=int, default=21)
+        parser.add_argument("--pro-tag", type=int, default=9)
+        parser.add_argument(
+            "--clear",
+            action="store_true",
+            help="Alle Sichtungen, Dex-Einträge und Abzeichen löschen.",
+        )
+        parser.add_argument("--seed", type=int, default=1312)
+
+    def handle(self, *args, **opts):
+        if opts["clear"]:
+            n = Sighting.objects.count()
+            Sighting.objects.all().delete()
+            DexEntry.objects.all().delete()
+            EarnedBadge.objects.all().delete()
+            self.stdout.write(self.style.SUCCESS(f"{n} Sichtungen gelöscht."))
+            return
+
+        if Sighting.objects.exists():
+            self.stdout.write(
+                self.style.WARNING(
+                    "Es gibt bereits Sichtungen. Erst 'demo_data --clear' ausführen, "
+                    "sonst mischen sich Demo- und Echtdaten."
+                )
+            )
+            return
+
+        species = list(Species.objects.all())
+        if not species:
+            self.stdout.write(self.style.ERROR("Katalog leer — erst 'seed_dex'."))
+            return
+
+        rng = random.Random(opts["seed"])
+        weights = [RARITY_WEIGHT.get(s.rarity, 1) for s in species]
+
+        # Chronologisch anlegen, damit Erstfänge, XP und Abzeichen in der
+        # richtigen Reihenfolge verbucht werden.
+        now = timezone.localtime()
+        events = []
+        for day_offset in range(opts["tage"], -1, -1):
+            day = (now - timedelta(days=day_offset)).date()
+            for _ in range(rng.randint(max(1, opts["pro_tag"] - 4), opts["pro_tag"] + 4)):
+                hour = rng.choices(range(24), weights=HOUR_WEIGHT)[0]
+                start = timezone.make_aware(
+                    timezone.datetime.combine(day, timezone.datetime.min.time())
+                ) + timedelta(hours=hour, minutes=rng.randint(0, 59), seconds=rng.randint(0, 59))
+                if start > timezone.now():
+                    continue
+                events.append(start)
+
+        events.sort()
+        created = 0
+        for start in events:
+            sp = rng.choices(species, weights=weights)[0]
+
+            # Ein Teil der Besuche bleibt unbestimmt — so sieht es im Betrieb
+            # auch aus, und die Oberfläche muss den Fall aushalten.
+            unbestimmt = rng.random() < 0.12
+            confidence = 0.0 if unbestimmt else rng.uniform(0.55, 0.99)
+            duration = rng.uniform(3, 75)
+
+            sighting = Sighting(
+                species=None if unbestimmt else sp,
+                confidence=confidence,
+                started_at=start,
+                ended_at=start + timedelta(seconds=duration),
+                frames_total=int(duration * 4),
+                frames_with_bird=int(duration * 4 * rng.uniform(0.5, 0.95)),
+                votes={sp.slug: round(confidence, 3)} if not unbestimmt else {},
+                mean_bird_score=rng.uniform(0.4, 0.95),
+            )
+
+            if not unbestimmt and sp.reference_image:
+                try:
+                    sp.reference_image.open("rb")
+                    data = sp.reference_image.read()
+                    sp.reference_image.close()
+                    sighting.image.save(f"demo-{sp.slug}.jpg", ContentFile(data), save=False)
+                    sighting.crop.save(f"demo-{sp.slug}.jpg", ContentFile(data), save=False)
+                except OSError:
+                    pass
+
+            sighting.save()
+            scoring.register(sighting)
+            created += 1
+
+        p = scoring.progress()
+        self.stdout.write(
+            self.style.SUCCESS(
+                f"{created} Beispiel-Sichtungen angelegt. "
+                f"Level {p.level} ({p.rank}), {p.xp} XP, "
+                f"{p.species_seen}/{p.species_total} Arten, {p.badges} Abzeichen."
+            )
+        )