第1步：喂鳥器監控系統概述

這是一個監控系統，用于計算，計時，記錄和拍攝喂鳥器的鳥類。我的Bird Feeder Monitor的早期版本使用了Arduino Yun，并將數據存儲在我的Google Drive上的電子表格中。該版本使用多個Raspberry Pi，MQTT通信以及數據和照片的本地存儲。

Bird Feeder配備了Raspberry Pi Zero W和電容式觸摸傳感器（CAP1188）。棲息地上的任何鳥類都會激活觸摸傳感器，觸摸傳感器啟動計時器以確定每個事件持續的時間長度。觸摸一旦激活，Bird Feeder Monitor就會發布“ monitor/feeder/picture ”MQTT消息。此消息通知Raspberry Pi相機拍攝照片。如果MQTT服務器發布“ monitor/feeder/getcount ”消息，則Bird Feeder Monitor將響應“ monitor/feeder/count ”MQTT消息，服務器將發送該消息存儲。

MQTT服務器執行多項任務。它從Bird Feeder Monitor請求和存儲數據，并控制監視器的操作。它在Dawn激活顯示器并在黃昏時將其關閉。它還控制請求數據的時間間隔，并通過DarkSky監控當前的天氣狀況。監測天氣狀況有幾個原因。首先，降水量可能會影響傳感器。如果發生這種情況，傳感器會在雨水下降的情況下定期重新校準。第二個原因是監視和記錄與鳥類數據相關的天氣條件。

Raspberry Pi相機是RPi + Raspberry Pi相機模塊。用于此項目的相機軟件無法使用USB網絡攝像頭。 RPi相機配備WIFI并運行MQTT客戶端軟件。它訂閱“監視器/饋送器/圖片”MQTT消息，并在每次收到此消息時拍攝照片。這些照片存儲在RPi相機上，并進行遠程管理。

第2步：在Bird Feeder Monitor上安裝Raspbian

在Raspberry Pi Zero W上安裝最新版本的Raspbian Lite。我建議按照Adafruit的Raspberry Pi Zero無頭快速入門中的分步說明進行操作。

包括以下步驟在上面的說明中，但值得重申：

通過ssh連接到RPi并運行以下命令：

sudo apt-get update

sudo apt-get upgrade

上述命令需要一段時間才能完成，但運行這些命令可確保您獲得最新信息使用最新的軟件包。

接下來，運行以下命令配置RPi軟件：

sudo raspi-config

更改密碼，啟用SPI和I2C，以及展開文件系統。完成后，退出 raspi-config 。

步驟3：連接RPi和CAP1188

Raspberry Pi W（RPi）和CAP1188使用I2C連線。還有其他電容式觸摸傳感器可用于一個，五個或八個傳感器。我選擇了八個，因為我的喂鳥器有六個側面。

接線：

CAP1188 SDA == RPi Pin 3

CAP1188 SCK == RPi引腳5

CAP1188 VIN == RPi引腳1（+ 3.3VDC）

CAP1188 GND == RPi引腳9（GND）

CAP1188 C1-C8 ==通過1x8母Dupont連接器連接每個導線上的導線

CAP1188 3Vo == CAP1188 AD - 將I2C地址硬連線至0x28

RPi Pin 2 == + 5VDC

RPi引腳14 == GND

RPi的電源是從外部提供的，通過從我的車庫地下運行電線，然后向上通過用作管道的管道喂鳥器架。一根2針防風雨連接器連接在電線末端，用于連接RPi Bird Feeder Monitor。電線的另一端連接到車庫中的熔斷5-VDC電源。這個項目應該與電池配合使用，但我不想在日常工作中更換電池的麻煩。

我構建了一根16英寸長的電纜，將裝有RPi的防水箱連接到含有防水箱的防水箱中。 CAP1188。電容式傳感器需要盡可能靠近棲息地。

RPi Zero和CAP1188可以打包在一個防風雨箱中，但我更喜歡將它們單獨打包。

步驟4：配置喂鳥器監視器

登錄 Raspberry Pi Zero W 并執行以下步驟。

安裝pip：

sudo apt-get install python3-pip

安裝Adafruit CircuitPython：

sudo pip3 install --upgrade setuptools

檢查I2C和SPI設備：

ls /dev/i2c* /dev/spi*

你應該看到以下回復：

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

接下來安裝GPIO和Adafruit blinka軟件包：

pip3 install RPI.GPIO

pip3 install adafruit-blinka

安裝Adafruit的CAP1188模塊：

pip3 install adafruit-circuitpython-cap1188

安裝I2C工具：

sudo apt-get install python-smbus

sudo apt-get install i2c-tools

使用上述工具檢查I2C地址：

i2cdetect -y 1

如果連接了CAP1188，將看到與上圖中相同的響應，表明傳感器處于I2C地址0x28（或0x29，具體取決于您選擇的I2C地址）。

安裝mosquitto，mosquitto-clients和paho-mqtt ：

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

sudo pip3 install paho-mqtt

我建議在Raspberry Pi上使用Adafruit的配置MQTT來配置和設置此RPi上的MQTT。

安裝Bird Feeder Monitor軟件：

cd ~

sudo apt-get install git

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

創建日志目錄：

cd ~

mkdir logs

將CAP1188傳感器連接到RPi并執行以下操作以在MQTT服務器之后測試系統正在運作：

cd RPi_bird_feeder_monitor

sudo nano config.json

替換“OIP_HOST”，“MQTT_USER”，“MQTT_PW”和“MQTT_PORT”的值以匹配您的本地設置。退出并保存更改。

在啟動時運行

仍然在 /home/pi/RPi_bird_feeder_monitor 目錄中。

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

我們需要使腳本成為可執行文件。

chmod 755 launcher.sh

測試腳本。

sh launcher.sh

接下來，我們需要編輯crontab（linux任務管理器）以在啟動時啟動腳本。注意：我們之前已經創建了 /logs 目錄。

sudo crontab -e

這將帶來如上所示的crontab窗口。導航到文件末尾并輸入以下行。

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

退出并保存文件，然后重新啟動RPi。 RPi重新啟動后，腳本應啟動 feeder_mqtt_client.py 腳本。可以在位于 /logs 文件夾中的日志文件中檢查腳本的狀態。

步驟5：3D打印部件

這些STL文件用于我為此項目創建的3D打印部分，以及所有這些零件是可選的。防風雨箱可以在當地制造或購買。

CedarWorks喂鳥器的“安裝楔”也是可選的。這部分是安裝CAP1188傳感器外殼所必需的。

步驟6：喂鳥器監視器組件

之后如前所述，安裝Raspbian，配置和測試RPi和CAP1188傳感器，現在是時候將這些設備安裝在防風雨的情況下了。

我使用了我打印的兩個防風雨箱來安裝RPi和CAP1188傳感器。首先，我在每個箱子的一端鉆了一個1/2“的孔。用SD卡在側面對面的RPi箱上鉆孔。在每個孔中安裝帶有可調節鎖緊螺母的尼龍電纜壓蓋接頭。運行四個如上圖所示，將2針汽車防水電氣母頭連接器安裝并焊接到RPi上。將紅線焊接到RPi的+ 5VDC引腳2，將黑線焊接到GND或引腳14 。請參閱RPi上使用的其他連接的接線圖。

將四根導線的另一端穿過CAP1188外殼上的壓蓋接頭，并按照接線圖中的說明連接導線。所有8個CAP1188電容式觸摸傳感器都焊接到8針母頭Dupont連接器上。該連接器嵌入殼體側面，以便在應用頂部時進行防水密封。注意：兩種情況下的頂部都可能需要修改以允許壓蓋接頭連接器上的螺母。

之前關閉，我將硅膠填縫應用于每個表殼的邊緣，并在壓蓋接頭的導線周圍密封表殼。我還在Dupont連接器的背面添加硅膠以將其與元件密封。

步驟7：連接喂鳥器

進料器上的每個支架都覆蓋著1/4“寬的自粘銅箔膠帶。在膠帶和鱸魚上鉆了一個小孔，將一根電線焊接到鋁箔帶上并在饋線下面布線。每根電線連接到一根公頭6針Dupont連接器。

注意：如上圖所示的喂鳥器，我建議間隙每個箔條的末端為1 1/4“ - 1 1/2”。我發現較大的鳥類，如gra哥和鴿子，如果它們被放在一起，它們能夠同時接觸兩個箔條

先前提到的“安裝楔子”被打印并粘在送料器的底部，以提供安裝包含CAP1188的防水箱的水平區域。魔術貼膠帶應用于盒子以及木塊以提供附著方式。這可以在上面完成的組件的照片中看到。維可牢尼龍搭扣帶用于纏繞管道和RPi盒以將它們固定在進料器下方。

喂鳥器重新裝滿傳感器和RPi連接到進料器，當它仍在管道上時支架。幸運的是，我身高6英尺2英寸并且不費力氣地到達容器。

步驟8：MQTT服務器

如果你已經涉足IOT世界，你可能已經在你的網絡上啟動并運行了一個MQTT服務器。如果你沒有，我推薦使用一個Raspberry Pi 3表示MQTT服務器，以及在Andreas Spiess網站上發現的指令和IMG圖像文件“Node-Red，InfuxDB和Grafana安裝”.Andreas還有一個關于這個主題的信息視頻＃255 Node-Red，InfluxDB和Grafana Tutorial on Raspberry Pi。

一旦Node-Red Server運行，您可以通過復制 ?/RPi_bird_feeder_monitor/json/Bird_Feeder_Monitor_Flow.json ，并使用導入》剪貼板將剪貼板粘貼到新流程中。

此流程將需要以下節點：

node-red-node-darksky - 需要使用DarkSky API帳戶這個節點。

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

node-red-contrib-Influxdb - InfluxDB數據庫

天氣數據您的位置是通過DarkSky提供的。我目前正在監測和記錄“CanyIntensity”，“溫度”，“濕度”，“windSpeed”，“windBearing”，“windGust”和“cloudCover”。 “precipIntensity”很重要，因為它用于確定傳感器是否需要因雨水而重新校準。

Big Timer節點是計時器的瑞士軍刀。它用于每天在黎明和黃昏開始和停止數據記錄。

InfluxDB是一個輕量級，易于使用的時間序列數據庫。每次插入數據時，數據庫都會自動添加時間戳。與SQLite不同，不需要定義字段。將數據插入數據庫時會自動添加它們。

節點 - 紅色配置

上面提到的JSON文件將加載一個Flow，需要進行一些調整以滿足您的要求。

連接“MQTT Publish”和“監視/饋送/＃”到您的MQTT服務器。

在“Dawn＆Dusk Timer（config）”Big Timer節點中將緯度和經度設置為您的位置。

配置“monitor/feeder/astronomy（config）”節點。可以為每個棲息處啟用/禁用攝像機。例如，我的兩個棲息地位于背面，相機已禁用這些棲息地。

將“計數器計時器（config）”節點設置為所需的時間間隔。默認值= 5分鐘

在“DarkSky（config）”節點中將緯度和經度設置為您的位置。其次，在darksky-credentials節點中輸入DarkSky API密鑰。

在“monitor/feeder/recalibrate（config）”功能節點中設置降水強度。默認值= 0.001英寸/小時

編輯“MQTT接收器調試節點（config）的主題過濾器”功能節點，以過濾您不想看到的MQTT消息。

可選：如果您希望將數據存儲在Google云端硬盤上的電子表格中，則需要使用表單字段ID編輯“構建Google文檔有效負載（配置）”功能節點。

可選：將您的唯一表單網址添加到“Google Docs GET（config）”HTTP請求節點的URL字段中。

Node-Red UI桌面

Bird_Feeder_Monitor_Flow包括用于通過手機訪問MQTT服務器的用戶界面（UI）。可以關閉或打開顯示器，手動重新校準傳感器或拍照。還顯示了傳感器“觸摸”的總數，這將使您大致了解前往饋線的鳥類數量。

步驟9：Grafana

“Grafana是一個開源的度量標準分析和可視化套件。它最常用于可視化基礎架構和應用程序分析的時間序列數據，但許多用于其他領域包括工業傳感器，家庭自動化，天氣和過程控制。“ refn：Grafana Docs。

此軟件包含在Andreas Spiess用于創建MQTT服務器的映像文件中。在MQTT服務器上配置InfluxDB數據庫后，可以將Grafana配置為使用此數據庫，如上圖所示。接下來，可以從 ?/RPi_bird_feeder_monitor/json/ Bird_Feeder_Monitor_Grafana.json中找到的JSON文件加載此項目使用的儀表板 的。可以在Andreas Spiess的網站“Node-Red，InfuxDB和Grafana安裝”中找到配置Grafana的提示。

步驟10：InfluxDB

如前所述，Adreas Spiess有一個很棒的指南和視頻，可以引導您通過InfluxDB的配置。以下是我配置數據庫的步驟。

首先，我通過SSH登錄我的MQTT服務器并創建了一個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

接下來，我創建了數據庫：

CREATE DATABASE BIRD_FEEDER_MONITOR

》

》 SHOW DATABASES

name： databases

name

----

_internal

BIRD_FEEDER_MONITOR

》

在上面創建數據庫之后，可以在Node-Red中配置InfluxDB節點。如上圖所示，我將測量“饋線”命名為。數據初始化后，可以在InfluxDB中看到這一點：

》 USE BIRD_FEEDER_MONITORUsing database BIRD_FEEDER_MONITOR

》

》 SHOW MEASUREMENTS

name： measurements

name

----

feeders

》

InfluxDB的眾多功能之一是不需要FIELDS配置。輸入數據時會自動添加和配置FIELDS。以下是此數據庫的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

》

數據庫中的一些條目如下所示：

》

》 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

》

步驟11：Raspberry Pi Camera

我建議使用我的Instructable，遠程CNC停止并監視，以組裝Raspberry Pi相機。執行除6和8之外的所有步驟以創建相機。請注意我正在使用較舊的Raspberry Pi用于我的相機，但它在我的商店櫥窗中運行良好。

升級Rasbian：

sudo apt-get update

sudo apt-get upgrade

安裝PIP：

sudo apt-get install python3-pip

安裝paho-mqtt：

sudo pip3 install paho-mqtt

安裝git和Bird Monitoring軟件：

cd ~

sudo apt-get install git

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

如果你愿意的話要從相機拍攝的圖像制作視頻，請安裝ffmpeg：

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

cd ffmpeg

。/configure

make

sudo make install

配置Bird Feeder Monitoring軟件的權限：

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

我個人不建議在RPi Camera上使用make_movie.sh。它需要許多資源才能在RPi上運行。我建議將圖像傳輸到PC并在那里運行ffmpeg。

在啟動時運行

登錄RPi并切換到/RPi_bird_feeder_monitor 目錄。/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

我們需要制作腳本和可執行文件。

chmod 755 launcher.sh

測試腳本。

sh launcher.sh

創建日志目錄：

cd ~

mkdir logs

接下來，我們需要編輯crontab（linux任務管理器）以在啟動時啟動腳本。

sudo crontab -e

這將帶來如上所示的crontab窗口。導航到文件末尾并輸入以下行。

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

退出并保存文件，然后重新啟動RPi。 RPi重新啟動后，腳本應啟動 camera_mqtt_client.py 腳本。可以在位于/logs 文件夾中的日志文件中檢查腳本的狀態。

步驟12：享受

我們喜歡觀鳥，但我們無法將喂食器放在最佳享受位置。我們大多數人可以看到它的唯一地方是早餐桌，并不是每個人都可以從那里看到喂食器。因此，通過Bird Feeder Monitor，我們可以在方便的時候欣賞鳥類。

我們發現監視器的一件事是鳥類落在一個棲息地的頻率，然后跳到下一個棲息地，直到它們有環繞整個支線。因此，鳥類數量與訪問我們的飼養者的單個鳥類的數量有關。只有一個或兩個狹窄棲息地的飼養者可能最適合“計數”鳥類。