christian
c11fe9ab04
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.
90 lines
3.9 KiB
Markdown
90 lines
3.9 KiB
Markdown
# Einstellungen
|
||
|
||
<sub>[← zurück zum Überblick](../README.md) · [alle Kapitel](README.md)</sub>
|
||
|
||
Alles, was Detector und Web-App über Umgebungsvariablen annehmen — und was
|
||
man stattdessen im Admin einstellen kann, ohne einen Prozess anzufassen.
|
||
|
||
### Detector
|
||
|
||
| Schalter | Standard | Zweck |
|
||
|---|---|---|
|
||
| `--source` | — | Stream-URL, RTSP-URL oder Ordner |
|
||
| `--api` / `--token` | — | Wohin gemeldet wird |
|
||
| `--save-to` | — | Ordner für Rohbilder je Sichtung |
|
||
| `--gate` | `motion` | `detector` ignoriert Bewegung — nötig bei unruhigem Hintergrund |
|
||
| `--habitats` | `garten` | Lebensräume, die in Frage kommen |
|
||
| `--min-bird-score` | `0.05` | Darunter gilt die Art als unbestimmt |
|
||
| `--detect-threshold` | `0.4` | Ab wann etwas als Vogel gilt |
|
||
| `--classify-every` | `3` | Nur jedes n-te Bild durchs Modell |
|
||
| `--cooldown` | `4.0` | Sekunden Ruhe, bis ein Besuch endet |
|
||
| `--min-bird-frames` | `2` | Weniger Treffer → verworfen |
|
||
| `--min-confidence` | `0.45` | Darunter „unbestimmt" statt geraten |
|
||
| `--nachtsicht` | aus | Nie bei Dunkelheit pausieren |
|
||
| `--dunkel-unter` / `--hell-ueber` | `15` / `30` | Helligkeitsschwellen 0–255 |
|
||
| `--motion-ratio` | `0.012` | Anteil bewegter Pixel für einen Besuch |
|
||
|
||
Alles auch als Umgebungsvariable mit Präfix `VOGELALBUM_`, etwa
|
||
`VOGELALBUM_SOURCE`, `VOGELALBUM_TOKEN`, `VOGELALBUM_HABITATS`.
|
||
|
||
### Web-App
|
||
|
||
| Variable | Zweck |
|
||
|----------|-------|
|
||
| `DJANGO_SECRET_KEY` | **Pflicht**, sobald `DJANGO_DEBUG=0`. Ohne startet die App nicht. |
|
||
| `DJANGO_DEBUG` | `0` im Betrieb |
|
||
| `DJANGO_ALLOWED_HOSTS` | kommagetrennt |
|
||
| `DJANGO_CSRF_TRUSTED_ORIGINS` | kommagetrennt, mit Schema |
|
||
| `VOGELALBUM_INGEST_TOKEN` | Sammel-Token; leer lassen, wenn jede Kamera einen eigenen hat |
|
||
| `SQLITE_DIR` | Datenbank auf ein Volume legen |
|
||
| `MEDIA_ROOT` | Fotos auf ein Volume legen |
|
||
|
||
## Einstellungen im Admin statt auf der Kommandozeile
|
||
|
||
Bis vor kurzem stand die Konfiguration des Detectors nur auf seiner
|
||
Kommandozeile: Stream-Adresse, Schwellen, Lebensräume. Wer eine Kamera
|
||
umstellen wollte, brauchte eine Shell auf dem Rechner, auf dem der Detector
|
||
läuft. Jetzt fragt der Detector die Web-App:
|
||
|
||
```bash
|
||
python -m detector watch --api http://vogelalbum:8000 --token <Kamera-Token>
|
||
```
|
||
|
||
Damit holt er sich bei `/api/config/` alle 300 Sekunden, was für *seine*
|
||
Kamera gilt — und übernimmt Änderungen **ohne Neustart**. Einstellbar im
|
||
Django-Admin unter der Kamera:
|
||
|
||
| Feld | Wirkung |
|
||
|---|---|
|
||
| Stream-Adresse | Woher die Bilder kommen. `--source` hat Vorrang. |
|
||
| Lebensräume | Welche Arten der Klassifikator erwägt (`garten`, `wald`, `offenland`, `wasser`, `gebirge`) |
|
||
| Schwelle Vogelerkennung | Ab welcher Sicherheit etwas als Vogel gilt |
|
||
| Mindestanteil heimischer Arten | Darunter gilt die Sichtung als unbestimmt |
|
||
|
||
Die **Artenliste kommt mit** — sie ist eine inhaltliche Entscheidung und
|
||
gehört in den Admin, nicht in eine Python-Datei. Der wissenschaftliche Name
|
||
ist dabei der Schlüssel ins Label-File des Modells; ein zweites Mapping
|
||
braucht es nicht.
|
||
|
||
Zwei Eigenschaften sind wichtiger als die Funktion selbst:
|
||
|
||
- **Die Kommandozeile bleibt gültig.** Ohne `--token` ändert sich nichts, und
|
||
ein ausdrücklich gesetztes `--source` gewinnt immer.
|
||
- **Ein Ausfall ändert nichts.** Antwortet die Web-App nicht, läuft die
|
||
Erkennung mit dem letzten bekannten Stand weiter. Wer zwei Wochen auf den
|
||
ersten Vogel wartet, will ihn nicht verpassen, weil ein Webserver neu
|
||
gestartet wurde.
|
||
|
||
`--konfig-alle 0` schaltet das Nachfragen ab.
|
||
|
||
### Regionen
|
||
|
||
Das iNat-Modell kennt 965 Arten und ist **auf Nordamerika trainiert** — ohne
|
||
Einschränkung wird aus einer Kohlmeise eine Carolina Chickadee. Welche Arten
|
||
gelten, entscheidet deshalb `VOGELALBUM_REGION` (Standard `de`) gegen das Feld
|
||
`regions` der Art.
|
||
|
||
Eine weitere Region ist damit kein Umbau mehr, sondern ein Katalog: Arten mit
|
||
dem passenden Kürzel anlegen und die Variable umstellen. Für Nordamerika
|
||
arbeitet das Modell sogar in seiner Trainingsverteilung, also besser als hier.
|