喂鸟器监控系统的制作

第1步：喂鸟器监控系统概述

这是一个监控系统，用于计算，计时，记录和拍摄喂鸟器的鸟类。我的Bird Feeder Monitor的早期版本使用了Arduino Yun，并将数据存储在我的Google Drive上的电子表格中。该版本使用多个Raspberry Pi，MQTT通信以及数据和照片的本地存储。

Bird Feeder配备了Raspberry Pi Zero W和电容式触摸传感器（CAP1188）。栖息地上的任何鸟类都会激活触摸传感器，触摸传感器启动计时器以确定每个事件持续的时间长度。触摸一旦激活，Bird Feeder Monitor就会发布“ monitor/feeder/picture ”MQTT消息。此消息通知Raspberry Pi相机拍摄照片。如果MQTT服务器发布“ monitor/feeder/getcount ”消息，则Bird Feeder Monitor将响应“ monitor/feeder/count ”MQTT消息，服务器将发送该消息存储。

MQTT服务器执行多项任务。它从Bird Feeder Monitor请求和存储数据，并控制监视器的操作。它在Dawn激活显示器并在黄昏时将其关闭。它还控制请求数据的时间间隔，并通过DarkSky监控当前的天气状况。监测天气状况有几个原因。首先，降水量可能会影响传感器。如果发生这种情况，传感器会在雨水下降的情况下定期重新校准。第二个原因是监视和记录与鸟类数据相关的天气条件。

Raspberry Pi相机是RPi + Raspberry Pi相机模块。用于此项目的相机软件无法使用USB网络摄像头。 RPi相机配备WIFI并运行MQTT客户端软件。它订阅“监视器/馈送器/图片”MQTT消息，并在每次收到此消息时拍摄照片。这些照片存储在RPi相机上，并进行远程管理。

第2步：在Bird Feeder Monitor上安装Raspbian

在Raspberry Pi Zero W上安装最新版本的Raspbian Lite。我建议按照Adafruit的Raspberry Pi Zero无头快速入门中的分步说明进行操作。

包括以下步骤在上面的说明中，但值得重申：

通过ssh连接到RPi并运行以下命令：

sudo apt-get update

sudo apt-get upgrade

上述命令需要一段时间才能完成，但运行这些命令可确保您获得最新信息使用最新的软件包。

接下来，运行以下命令配置RPi软件：

sudo raspi-config

更改密码，启用SPI和I2C，以及展开文件系统。完成后，退出 raspi-config 。

步骤3：连接RPi和CAP1188

Raspberry Pi W（RPi）和CAP1188使用I2C连线。还有其他电容式触摸传感器可用于一个，五个或八个传感器。我选择了八个，因为我的喂鸟器有六个侧面。

接线：

CAP1188 SDA == RPi Pin 3

CAP1188 SCK == RPi引脚5

CAP1188 VIN == RPi引脚1（+ 3.3VDC）

CAP1188 GND == RPi引脚9（GND）

CAP1188 C1-C8 ==通过1x8母Dupont连接器连接每个导线上的导线

CAP1188 3Vo == CAP1188 AD - 将I2C地址硬连线至0x28

RPi Pin 2 == + 5VDC

RPi引脚14 == GND

RPi的电源是从外部提供的，通过从我的车库地下运行电线，然后向上通过用作管道的管道喂鸟器架。一根2针防风雨连接器连接在电线末端，用于连接RPi Bird Feeder Monitor。电线的另一端连接到车库中的熔断5-VDC电源。这个项目应该与电池配合使用，但我不想在日常工作中更换电池的麻烦。

我构建了一根16英寸长的电缆，将装有RPi的防水箱连接到含有防水箱的防水箱中。 CAP1188。电容式传感器需要尽可能靠近栖息地。

RPi Zero和CAP1188可以打包在一个防风雨箱中，但我更喜欢将它们单独打包。

步骤4：配置喂鸟器监视器

登录 Raspberry Pi Zero W 并执行以下步骤。

安装pip：

sudo apt-get install python3-pip

安装Adafruit CircuitPython：

sudo pip3 install --upgrade setuptools

检查I2C和SPI设备：

ls /dev/i2c* /dev/spi*

你应该看到以下回复：

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

接下来安装GPIO和Adafruit blinka软件包：

pip3 install RPI.GPIO

pip3 install adafruit-blinka

安装Adafruit的CAP1188模块：

pip3 install adafruit-circuitpython-cap1188

安装I2C工具：

sudo apt-get install python-smbus

sudo apt-get install i2c-tools

使用上述工具检查I2C地址：

i2cdetect -y 1

如果连接了CAP1188，将看到与上图中相同的响应，表明传感器处于I2C地址0x28（或0x29，具体取决于您选择的I2C地址）。

安装mosquitto，mosquitto-clients和paho-mqtt ：

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

sudo pip3 install paho-mqtt

我建议在Raspberry Pi上使用Adafruit的配置MQTT来配置和设置此RPi上的MQTT。

安装Bird Feeder Monitor软件：

cd ~

sudo apt-get install git

git clone “https://github.com/sbkirby/RPi_bird_feeder_monitor.git”

创建日志目录：

cd ~

mkdir logs

将CAP1188传感器连接到RPi并执行以下操作以在MQTT服务器之后测试系统正在运作：

cd RPi_bird_feeder_monitor

sudo nano config.json

替换“OIP_HOST”，“MQTT_USER”，“MQTT_PW”和“MQTT_PORT”的值以匹配您的本地设置。退出并保存更改。

在启动时运行

仍然在 /home/pi/RPi_bird_feeder_monitor 目录中。

nano launcher.sh

在 launcher.sh

#！/bin/sh

# launcher.sh

# navigate to home directory， then to this directory， then execute python script， then back home

cd /

cd home/pi/RPi_bird_feeder_monitor

sudo python3 feeder_mqtt_client.py

cd /

中包含以下文字退出并保存 launcher.sh

我们需要使脚本成为可执行文件。

chmod 755 launcher.sh

测试脚本。

sh launcher.sh

接下来，我们需要编辑crontab（linux任务管理器）以在启动时启动脚本。注意：我们之前已经创建了 /logs 目录。

sudo crontab -e

这将带来如上所示的crontab窗口。导航到文件末尾并输入以下行。

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

退出并保存文件，然后重新启动RPi。 RPi重新启动后，脚本应启动 feeder_mqtt_client.py 脚本。可以在位于 /logs 文件夹中的日志文件中检查脚本的状态。

步骤5：3D打印部件

这些STL文件用于我为此项目创建的3D打印部分，以及所有这些零件是可选的。防风雨箱可以在当地制造或购买。

CedarWorks喂鸟器的“安装楔”也是可选的。这部分是安装CAP1188传感器外壳所必需的。

步骤6：喂鸟器监视器组件

之后如前所述，安装Raspbian，配置和测试RPi和CAP1188传感器，现在是时候将这些设备安装在防风雨的情况下了。

我使用了我打印的两个防风雨箱来安装RPi和CAP1188传感器。首先，我在每个箱子的一端钻了一个1/2“的孔。用SD卡在侧面对面的RPi箱上钻孔。在每个孔中安装带有可调节锁紧螺母的尼龙电缆压盖接头。运行四个如上图所示，将2针汽车防水电气母头连接器安装并焊接到RPi上。将红线焊接到RPi的+ 5VDC引脚2，将黑线焊接到GND或引脚14 。请参阅RPi上使用的其他连接的接线图。

将四根导线的另一端穿过CAP1188外壳上的压盖接头，并按照接线图中的说明连接导线。所有8个CAP1188电容式触摸传感器都焊接到8针母头Dupont连接器上。该连接器嵌入壳体侧面，以便在应用顶部时进行防水密封。注意：两种情况下的顶部都可能需要修改以允许压盖接头连接器上的螺母。

之前关闭，我将硅胶填缝应用于每个表壳的边缘，并在压盖接头的导线周围密封表壳。我还在Dupont连接器的背面添加硅胶以将其与元件密封。

步骤7：连接喂鸟器

进料器上的每个支架都覆盖着1/4“宽的自粘铜箔胶带。在胶带和鲈鱼上钻了一个小孔，将一根电线焊接到铝箔带上并在馈线下面布线。每根电线连接到一根公头6针Dupont连接器。

注意：如上图所示的喂鸟器，我建议间隙每个箔条的末端为1 1/4“ - 1 1/2”。我发现较大的鸟类，如gra哥和鸽子，如果它们被放在一起，它们能够同时接触两个箔条

先前提到的“安装楔子”被打印并粘在送料器的底部，以提供安装包含CAP1188的防水箱的水平区域。魔术贴胶带应用于盒子以及木块以提供附着方式。这可以在上面完成的组件的照片中看到。维可牢尼龙搭扣带用于缠绕管道和RPi盒以将它们固定在进料器下方。

喂鸟器重新装满传感器和RPi连接到进料器，当它仍在管道上时支架。幸运的是，我身高6英尺2英寸并且不费力气地到达容器。

步骤8：MQTT服务器

如果你已经涉足IOT世界，你可能已经在你的网络上启动并运行了一个MQTT服务器。如果你没有，我推荐使用一个Raspberry Pi 3表示MQTT服务器，以及在Andreas Spiess网站上发现的指令和IMG图像文件“Node-Red，InfuxDB和Grafana安装”.Andreas还有一个关于这个主题的信息视频＃255 Node-Red，InfluxDB和Grafana Tutorial on Raspberry Pi。

一旦Node-Red Server运行，您可以通过复制 〜/RPi_bird_feeder_monitor/json/Bird_Feeder_Monitor_Flow.json ，并使用导入》剪贴板将剪贴板粘贴到新流程中。

此流程将需要以下节点：

node-red-node-darksky - 需要使用DarkSky API帐户这个节点。

node-red-contrib-bigtimer - Scargill Tech的Big Timer

node-red-contrib-Influxdb - InfluxDB数据库

天气数据您的位置是通过DarkSky提供的。我目前正在监测和记录“CanyIntensity”，“温度”，“湿度”，“windSpeed”，“windBearing”，“windGust”和“cloudCover”。 “precipIntensity”很重要，因为它用于确定传感器是否需要因雨水而重新校准。

Big Timer节点是计时器的瑞士军刀。它用于每天在黎明和黄昏开始和停止数据记录。

InfluxDB是一个轻量级，易于使用的时间序列数据库。每次插入数据时，数据库都会自动添加时间戳。与SQLite不同，不需要定义字段。将数据插入数据库时会自动添加它们。

节点 - 红色配置

上面提到的JSON文件将加载一个Flow，需要进行一些调整以满足您的要求。

连接“MQTT Publish”和“监视/馈送/＃”到您的MQTT服务器。

在“Dawn＆Dusk Timer（config）”Big Timer节点中将纬度和经度设置为您的位置。

配置“monitor/feeder/astronomy（config）”节点。可以为每个栖息处启用/禁用摄像机。例如，我的两个栖息地位于背面，相机已禁用这些栖息地。

将“计数器计时器（config）”节点设置为所需的时间间隔。默认值= 5分钟

在“DarkSky（config）”节点中将纬度和经度设置为您的位置。其次，在darksky-credentials节点中输入DarkSky API密钥。

在“monitor/feeder/recalibrate（config）”功能节点中设置降水强度。默认值= 0.001英寸/小时

编辑“MQTT接收器调试节点（config）的主题过滤器”功能节点，以过滤您不想看到的MQTT消息。

可选：如果您希望将数据存储在Google云端硬盘上的电子表格中，则需要使用表单字段ID编辑“构建Google文档有效负载（配置）”功能节点。

可选：将您的唯一表单网址添加到“Google Docs GET（config）”HTTP请求节点的URL字段中。

Node-Red UI桌面

Bird_Feeder_Monitor_Flow包括用于通过手机访问MQTT服务器的用户界面（UI）。可以关闭或打开显示器，手动重新校准传感器或拍照。还显示了传感器“触摸”的总数，这将使您大致了解前往馈线的鸟类数量。

步骤9：Grafana

“Grafana是一个开源的度量标准分析和可视化套件。它最常用于可视化基础架构和应用程序分析的时间序列数据，但许多用于其他领域包括工业传感器，家庭自动化，天气和过程控制。“ refn：Grafana Docs。

此软件包含在Andreas Spiess用于创建MQTT服务器的映像文件中。在MQTT服务器上配置InfluxDB数据库后，可以将Grafana配置为使用此数据库，如上图所示。接下来，可以从 〜/RPi_bird_feeder_monitor/json/ Bird_Feeder_Monitor_Grafana.json中找到的JSON文件加载此项目使用的仪表板 的。可以在Andreas Spiess的网站“Node-Red，InfuxDB和Grafana安装”中找到配置Grafana的提示。

步骤10：InfluxDB

如前所述，Adreas Spiess有一个很棒的指南和视频，可以引导您通过InfluxDB的配置。以下是我配置数据库的步骤。

首先，我通过SSH登录我的MQTT服务器并创建了一个USER：

root@MQTTPi：~#

root@MQTTPi：~# influx

Connected to “http://localhost:8086” version 1.7.6

InfluxDB shell version： 1.7.6

Enter an InfluxQL query

》 CREATE USER “pi” WITH PASSWORD ‘raspberry’ WITH ALL PRIVILEGES

》 SHOW USERS

user admin

---- -----

pi true

接下来，我创建了数据库：

CREATE DATABASE BIRD_FEEDER_MONITOR

》

》 SHOW DATABASES

name： databases

name

----

_internal

BIRD_FEEDER_MONITOR

》

在上面创建数据库之后，可以在Node-Red中配置InfluxDB节点。如上图所示，我将测量“馈线”命名为。数据初始化后，可以在InfluxDB中看到这一点：

》 USE BIRD_FEEDER_MONITORUsing database BIRD_FEEDER_MONITOR

》

》 SHOW MEASUREMENTS

name： measurements

name

----

feeders

》

InfluxDB的众多功能之一是不需要FIELDS配置。输入数据时会自动添加和配置FIELDS。以下是此数据库的FIELDS和FIELDTYPE：

》 SHOW FIELD KEYS

name： feeders

fieldKey fieldType

-------- ---------

cloudcover float

count_1 float

count_2 float

count_3 float

count_4 float

count_5 float

count_6 float

humidity 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

》

数据库中的一些条目如下所示：

》

》 SELECT * FROM feeders LIMIT 10

name： feeders

time cloudcover count_1 count_2 count_3 count_4 count_5 count_6 humidity name precip_Int temp time_1 time_2 time_3 time_4 time_5 time_6 winddir windgust windspeed

---- ---------- ------- ------- ------- ------- ------- ------- -------- ---- ---------- ---- ------ ------ ------ ------ ------ ------ ------- -------- ---------

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

1550272230000000000 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 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 Feeder1 0 0 0 0 0 0

1550274330000000000 0 0 0 0 0 0 Feeder1 0 0 0 0 0 0

》

步骤11：Raspberry Pi Camera

我建议使用我的Instructable，远程CNC停止并监视，以组装Raspberry Pi相机。执行除6和8之外的所有步骤以创建相机。请注意我正在使用较旧的Raspberry Pi用于我的相机，但它在我的商店橱窗中运行良好。

升级Rasbian：

sudo apt-get update

sudo apt-get upgrade

安装PIP：

sudo apt-get install python3-pip

安装paho-mqtt：

sudo pip3 install paho-mqtt

安装git和Bird Monitoring软件：

cd ~

sudo apt-get install git

git clone “https://github.com/sbkirby/RPi_bird_feeder_monitor.git”

如果你愿意的话要从相机拍摄的图像制作视频，请安装ffmpeg：

git clone “https://git.ffmpeg.org/ffmpeg.git” ffmpeg

cd ffmpeg

。/configure

make

sudo make install

配置Bird Feeder Monitoring软件的权限：

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

我个人不建议在RPi Camera上使用make_movie.sh。它需要许多资源才能在RPi上运行。我建议将图像传输到PC并在那里运行ffmpeg。

在启动时运行

登录RPi并切换到/RPi_bird_feeder_monitor 目录。/p》 cd RPi_bird_feeder_monitor

nano launcher.sh

在launcher.sh中包含以下文本

#！/bin/sh

# launcher.sh

# navigate to home directory， then to this directory， then execute python script， then back home

cd /

cd home/pi/RPi_bird_feeder_monitor

sudo python3 camera_mqtt_client.py

cd /

退出并保存launcher.sh

我们需要制作脚本和可执行文件。

chmod 755 launcher.sh

测试脚本。

sh launcher.sh

创建日志目录：

cd ~

mkdir logs

接下来，我们需要编辑crontab（linux任务管理器）以在启动时启动脚本。

sudo crontab -e

这将带来如上所示的crontab窗口。导航到文件末尾并输入以下行。

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

退出并保存文件，然后重新启动RPi。 RPi重新启动后，脚本应启动 camera_mqtt_client.py 脚本。可以在位于/logs 文件夹中的日志文件中检查脚本的状态。

步骤12：享受

我们喜欢观鸟，但我们无法将喂食器放在最佳享受位置。我们大多数人可以看到它的唯一地方是早餐桌，并不是每个人都可以从那里看到喂食器。因此，通过Bird Feeder Monitor，我们可以在方便的时候欣赏鸟类。

我们发现监视器的一件事是鸟类落在一个栖息地的频率，然后跳到下一个栖息地，直到它们有环绕整个支线。因此，鸟类数量与访问我们的饲养者的单个鸟类的数量有关。只有一个或两个狭窄栖息地的饲养者可能最适合“计数”鸟类。