Abb. 1: Linkes Bild - Raspberry PI Gehäuse mit angeschlossenem Kameramodul und zwei IR-LEDs in einem PVC-Rohr. Das rechte Bild zeigt das PVC-Rohr von hinten mit entfernter Abdeckung.
Abb. 2: Übersicht über alle Teile der Eulen-Webcam. Am Raspberry Pi (im Schaltgehäuse) mit den Komponenten:
- WLAN-Antenne mit Verstärker
- Netzteil für die Stromversorgung
Eine Liste mit allen für den
Aufbau benötigen Teilen findet sich HIER
Die Abbildung 3. zeigt den Nistkasten von oben mit eingebautem Kameramodul (PVC-Rohr in der linken Ecke) und angeschlossenem Raspberry Pi im Schaltkasten, der oben auf dem Nistkasten befestigt wird.
Das Kameramodul verfügt über ein Weitwinkelobjektiv mit einem horizontalen Sichtfeld von 102° und einem vertikalen Sichtfeld von „nur“ 67°. In der Diagonale werden 120° erreicht.
Das PVC-Rohr ist von außen zugänglich und frei drehbar - somit kann die Kamera in der Höhe und in der Rotationsachse jederzeit nachjustiert werden, ohne dass ein Öffnen des Nistkasten notwendig ist. Unnötige Störung der Eulen kann dadurch vermieden werden.
Abb. 3: Installation der verschiedenen Komponenten im Nistkasten (von oben)
Zum Einsatz kommen zwei LED-Module (OSD 04520 IR 850 nm 3 W / 3,3 Volt mit Weitwinkellinsen). Diese Module verfügen über einen eigenen Lichtsensor. Da dieser nicht benötigt wird (im Eulenkasten ist es sowieso meistens dunkel), werden die LEDs unter Umgehung der vorhandenen Anschlüsse direkt angeschlossen (Anlöten der Kabel direkt am LED Sockel).
Die beiden LEDs sollen gleichzeitig über die in Python entwickelte Applikation an- und ausschalt bar sein. Dies erfolgt durch einen Transistor am Raspberry Pi. Die Schaltung dazu sieht wie folgt aus (siehe Abb. 4.)
Abb. 4: Schaltplan für die Ansteuerung der beiden IR-LEDs
Der Sensor wird am Raspberry an GPIO4, an GND (Ground) und an 3,3 Volt angeschlossen.
Der DHT22 ist ein einfacher, aber kostengünstiger digitaler Temperatur- und Feuchtigkeitssensor. Er verwendet einen kapazitiven Feuchtigkeitssensor und einen Thermistor zur Messung der Umgebungsluft. Er gibt ein digitales Signal auf den Datenpins aus.
Messbereiche des Sensors:
Luftfeuchtigkeit: 0-100%, ±2-5%
Temperatur: -40 - +80°C, ±0,5°C
Samplingrate 0,5 Hz: einmal alle 2 Sekunden, was völlig ausreichend ist. In diesem Projekt werden die Sensordaten jede Stunde einmal erfasst und optional an eine Datenbank auf dem Webserver geschickt und immer auf einem csv-file auf dem Raspberry lokal abgespeichert.
Der Sensor ermöglicht eine Abstandsmessung. Er arbeitet digital, d. h. er sendet die sogenannten Nullen und Einsen, je nachdem, ob das Objekt erkannt wurde oder nicht. Die Empfindlichkeitseinstellung erfolgt über einen Drehknopf im Modulgehäuse und über die Software. Verbunden wird der Sensor mit dem Raspberry wie folgt:
5 V - Rotes Kabel
Masse - blaues Kabel
GPIO 21 - Gelbes oder schwarzes Kabel
Abb. 5: Schaltplan für den Anschluss des Distanzsensors
Das Kamera Modul 3 ist eine Kompaktkamera von Raspberry. Es verfügt über 12-Megapixel-Sensor mit HDR und über einen schnellen Autofokus mit Phasenerkennung.
Auflösung Horizontal/Vertikal: 4608 × 2592 Pixel
Gängige Videomodi: 1080p50, 720p100, 480p120
Über die Software können viele Parameter der Kamera wie z.B. Lichtstärke, Kontrast, Manueller Fokus etc. beliebig eingestellt werden. Damit wird eine, im Vergleich zu vielen handelsüblichen Webcams, sehr gute Bildqualität erreicht.
Im Nistkasten wird die Weitwinkelvariante verwendet, um den Kasten möglichst komplett einsehen zu können. Außerdem kommt hier die Variante ohne Infrarot-Sperrfilter zum Einsatz, damit auch Infrarotaufnahmen möglich sind.
Achtung - hier unbedingt das Kamerakabel verwenden, dass an den 22-poligen FPC-Anschluss des Raspberry Pi 5 passt. Hier kommt das 500 mm lange Kabel zum Einsatz (Abb. 6.)
Am Raspberry Pi 5 können erstmals auch problemlos zwei Kameras parallel angeschlossen werden. Man könnte also eine zweite Kamera im Einflugbereich des Nistkasten installieren, falls man das möchte.
Abb. 6: Linkes Bild - Kamera Modul 3 mit Camera Cable für den Raspberry Pi 5. Rechtes Bild - Anschluss des Flachbandkabels am Raspberry Pi
Neben der Möglichkeit Fotos und Videos lokal oder auf dem Webserver zu speichern sieht man die Temperatur- und Feuchtigkeitsverlauf im Nistkasten des aktuellen Tages in Form von Grafiken.
Außerdem wird die Anzahl der registrierten Bewegungen im Nistkasten dargestellt (wenn der Motion Sensor aktiviert wurde). Bei einer erkannten Bewegungen kann eine Info-Mail an eine fest hinterlegte Email-Adresse verschickt werden.
Daneben werden die IR-LEDs und der Motion Sensor über die App gesteuert.
Fotofalle: Bei erkannter Bewegung wird automatisch eine IR-LED eingeschaltet und ein Foto gemacht.
Die App hat weitere Funktionen, die auf dieser Seite durch Anklicken der Menüeinträge zu sehen sind.
Images: Bildergalerie mit lokal abgespeicherten Bildern. Das aktuell markierte Bild kann aus der Galerie heraus an eine fest hinterlegte E-Mail-adresse geschickt werden.
- Sensor daily: Aktuelle Tageswerte für Temperatur und Luftfeuchtigkeit
- Sensor yearly: Zeigt die Durchschnittswerte für Luftfeuchtigkeit und Temperatur des aktuellen Jahres. Im Motion Diagramm sind außerdem die Summen der erfassten Bewegungen dargestellt.
- Motion: Einstellung des Bewegungssensors
- Camera: Einstellung der Kamera
- Foto: Fotoparameter
- Video: Videoparameter
Help: Versionsinfo & Hilfetexte & Exit
Auf dem Raspberry Pi 5 läuft die Python basierte Eulenkamera-Applikation. Über die externe WLAN-Antenne ist der Raspberry am Standort des Nistkastens mit dem Internet verbunden. Auf dem Raspberry ist standardmäßig der RVNC Connect Netzwerkservice installiert, der einen Remotezugriff auf den Raspberry ermöglicht.
In diesem Fall wird ein Tunnel genutzt über den man über das Internet auf den Raspberry Pi zugreifen kann (Remote-Desktop Zugriff).
Dadurch kann man mit dem Handy (Android, iOS) oder mit dem PC (Windows, Mac OS) per Fern- / Remote-Zugriff über das Internet (über die Tunnelverbindung) auf den Desktop des Raspberry zugreifen kann, muss auf diesen Endgeräten die Software Real VNC Viewer installiert werden.
Auf dem Raspberry wurde ein MySQL-Connector installiert, der die stündliche Übermittlung (aus dem Python Programm heraus) der Sensordaten (Temperatur, Luftfeuchtigkeit) auf eine MySQL Datenbank auf dem Webserver ermöglicht. Die Datenbank wird über eine Webseite ausgelesen und die Sensordaten werden grafisch dargestellt (Temperatur- und Feuchtigkeitsentwicklung übers Jahr).
Mit dem Sysbench Befehl:
sysbench cpu --cpu-max-prime=5000 --threads=2 --time=2000 run
wurde eine CPU-Auslastung von ca. 50 % simuliert, was etwas über der durch die Eulen-Kamera App erzeugte Auslastung liegt. Man sieht in der Abb. 8 einen linearen Zusammenhang zwischen Außentemperatur und CPU-Temperatur: Bei 51 C° Außentemperatur ist die Temperatur der CPU im Maximum auf 75 C° angestiegen, was noch deutlich unter dem ersten kritischen Temperaturbereich (1. Drosselungsstufe) liegt.
Extrapoliert man diesen linearen Verlauf, dann ist davon auszugehen, dass die CPU erst zwischen 55° bis 60° Lufttemperatur in der Scheune so heiß wird, dass sie automatisch gedrosselt werden muss.
Im Juni und im August 2024 lag die CPU-Temperatur einige Male bereits leicht über 70 °C was darauf hindeutet, dass es in der Scheune im Verlauf des Sommers tatsächlich sehr warm werden kann.
Abb. 8: Auswertung des Hitze-Tests - Anstieg der CPU-Temperatur in Abhängigkeit von der Außentemperatur
Um zu prüfen, wie gut die Kühlung des Raspberry Pi im Schaltgehäuse ist, wurde ein Hitzetest im Backofen durchgeführt. Dazu wurde der gesamte Aufbau, d.h. der Schaltkasten mit Raspberry Pi mit Kamera und Temperatursensor in einen Backofen verbracht und dort langsam bis 51 C° erhitzt. Damit wurde die Temperaturentwicklung in der Scheune an einem heißen Sommertag simuliert.
Mit einem Python-Programm wurde die CPU-Temperatur des Raspberry und die Temperatur (mittels des Temperatursensors) im Backofen kontinuierlich erfasst und zur späteren Auswertung in ein csv-file geschrieben.
Die Abbildung 8. zeigt den Verlauf der CPU-Temperaturentwicklung des Raspberry in Abhängigkeit von der Außentemperatur.
Das Eulenkamera
Projekt