Skip to content

Типичные сценарии BirdLense Hub

English

Сценарий 1: Минимальная установка (только видео)

Цель: Детекция птиц по видео с одной камеры, без MQTT и уведомлений.

  1. Установить Go2RTC (standalone или в Frigate).
  2. Добавить камеру в Go2RTC.
  3. Запустить BirdLense: make pull в app/.
  4. Настройки → Видео: URL Go2RTC (http://IP:1984).
  5. Настройки → Камеры: добавить stream name.
  6. Триггер: OpenCV motion (по умолчанию).

Результат: Записи при движении, YOLO-классификация (EU: birds-525 + iNaturalist, ~491 вид).

Сценарий 2: Европейские птицы (Frigate + Bird Classification)

Цель: Точное определение европейских видов (сойка, синица и т.д.).

  1. Frigate с включённым Bird Classification (classification.bird.enabled: true).
  2. MQTT: Frigate публикует в frigate/events с sub_label.
  3. BirdLense: Настройки → MQTT — broker, топик Frigate. Motion source: Frigate (триггер записи по событиям Frigate).
  4. Слияние: YOLO + Frigate автоматически. Один результат на вид, max confidence.

Результат: Eurasian Jay вместо Mourning Dove, если Frigate распознал сойку.

Сценарий 3: Аудио (BirdNET-Pi/Go)

Цель: Распознавание по голосу в дополнение к видео.

  1. BirdNET-Pi или BirdNET-Go публикует в MQTT топик birdnet.
  2. BirdLense: Настройки → MQTT — broker, топик BirdNET.
  3. Слияние: YOLO + Frigate + BirdNET по времени (merge_window).
  4. Спектрограмма — генерируется только когда в окне записи пришло сообщение от BirdNET о распознавании. Автоматически и обязательно в этом случае. Визуализация аудио для сопоставления с детекциями BirdNET.

Результат: Вид из аудио добавляется к видео-детекциям или повышает confidence. Вкладка «Аудио» в плеере показывает спектрограмму.

Сценарий 4: Уведомления в Telegram

Цель: Push при обнаружении птицы.

  1. Создать бота (@BotFather → /newbot).
  2. Получить chat_id (например, через @RawDataBot).
  3. Настройки → Уведомления: токен, chat_id, base_url (URL Hub для ссылок).
  4. Включить link_preview_large для превью ссылок (Bot API 9.4).

Результат: Сообщение «Eurasian Jay Detected» с кнопкой «Open Live» и превью страницы.

Сценарий 5: Кормушка с реле (Tasmota/ESPHome)

Цель: Автоматическая выдача корма при детекции.

  1. Реле на Tasmota или ESPHome.
  2. Настройки → Кормушка: source (mqtt/esphome), топик или URL, длительность.
  3. При детекции BirdLense публикует в MQTT или вызывает ESPHome API.

Результат: Корм выдаётся при появлении птицы.

Сценарий 6: Деплой на сервер

См. INSTALL.md — раздел «Деплой на сервер (make deploy)». Только x86_64 / amd64 (Intel или AMD); ARM / aarch64 не поддерживаются и не планируются.

Сценарий 7: Экспорт в eBird

Цель: Загрузить список видов в eBird.org для citizen science.

  1. Timeline → выберите дату и время суток.
  2. Меню экспорта (иконка загрузки) → «Экспорт для eBird».
  3. Настройки → Расширенные: страна (US, RU и т.д.), регион, название локации.
  4. Скачанный CSV импортировать в eBird.org (Checklists → Import).

Результат: Чеклист в формате eBird Record.

Сценарий 8: Экспорт в iNaturalist

Цель: Отправить кадр детекции в iNaturalist для citizen science.

  1. Timeline или страница видео → нажмите иконку Share (Share to iNaturalist) на детекции.
  2. Кадр скачивается, открывается inaturalist.org/observations/upload.
  3. Перетащите файл в форму, укажите вид (или подтвердите предложенный).

Результат: Наблюдение в iNaturalist.

Сценарий 9: Ручная проверка «Неизвестных»

Цель: Исправить детекции с низкой confidence.

  1. Настройки → Расширенные: порог «Неизвестные» (по умолчанию 0.5).
  2. Страница «Неизвестные» — список детекций с confidence ниже порога.
  3. Выберите правильный вид, нажмите «Применить» (требуется пароль настроек).
  4. Либо откройте видео для визуальной проверки.

Результат: Вид исправлен, детекция учитывается в статистике.

Сценарий 10: PDF-отчёт и Grafana

Цель: Месячная сводка и дашборды.

  1. PDF: Overview → «PDF-отчёт» → выберите месяц.
  2. Grafana: источник Prometheus, scrape http://birdlense:8085/api/metrics (в Docker-сети) или http://YOUR_HOST:8085/api/metrics. Метрики: CPU, память, диск, GPU, detections, species, videos.

Результат: Отчёт и графики активности.

Сценарий 11: Исследование и дообучение модели

См. TRAINING.md, DATASETS.md. Скрипты: scripts/datasets/, merge → Colab.

Troubleshooting

Frigate обнаружил птицу, но BirdLense не записал: см. TROUBLESHOOTING.md — пропущенные события, чеклист причин.

См. также: OVERVIEW · INSTALL · CONFIGURATION · GLOSSARY · ARCHITECTURE.