Een rondleiding langs wat er waar staat en waarom. De Raspberry Pi's in de bomen, de NAS in de berging, de modellen die soorten herkennen, de leidingen die alles aan elkaar knopen. Niet alles werkte meteen. Onder elke streep zit een verhaal.
Een merel zingt, een microfoon pikt het op, aangesloten op een Raspberry Pi met BirdNET, de NAS in huis, een Cloudflare-tunnel en dan pas komt deze site. Hieronder de detailuitleg per onderdeel.
Elke Pi heeft één taak. De NAS is de spin in het web. Postgres voor de data, Grafana voor de dashboards, een tunnel naar buiten. Mobiel staat los: dat draait op een batterij in het veld.
Hoofdstation: BirdNET-Pi + MQTT-broker + reports-API
BirdNET-Pi + AtmosBird hemelcam + MQTT-bridge
Weergateway naar Davis Vantage Pro2
Vleermuis-detectie, dual stack
Veldstation (apart project, batterij)
PostgreSQL + Grafana + go2rtc + USB-archief
Zes machines werken hier samen. Eén NAS in de berging als data-haard, vier Pi's met sensoren in de tuin, en een mobiel veldstation. Per machine hieronder: temperatuur, geheugen, opslag, en hoe lang ze al achter elkaar aan staan.
BirdNET stereo (kanaal noord + zuid) + MQTT broker
AtmosBird hemelcamera
BatDetect2 ultrasoon
Davis VP2
Postgres, opslag, mail, web
expeditie-station (soms offline)
Elke stroom heeft een eigen pad: andere sensor, ander verwerkings-script, eigen tussen-buffer. Maar ze komen allemaal samen in dezelfde PostgreSQL op de NAS.
Davis Vantage Pro2 (radio)
│
▼
Davis console, USB serial
│
▼
Pi Meteo: davis-weather-monitor.service
│
▼
MQTT publish emsn2/meteo/weather/*
│
▼
Mosquitto broker op Zolder
│
▼
weather_ingest service
│
▼
▶ PostgreSQL.weather_dataDe buiten-sensoren sturen elke minuut via radio naar de Davis-console. Een Pi Zero leest die console uit via USB, publiceert op MQTT, en de NAS schrijft het weg.
USB-microfoon (48 kHz)
│
▼
BirdNET-Pi: rolling 15-sec buffer + analyzer
│
▼
Lokale SQLite + MP3-knip + spectrogram
│
▼
lifetime_sync.py (event-driven)
│
▼
PostgreSQL.bird_detections
│
▼
unified-enricher: vocalisatie-CNN + richting
│
▼
▶ NAS USB-archief (159 GB audio)Elke microfoon hoort 24/7 mee. BirdNET-Pi op de Pi zelf herkent de soort, schrijft een knipje weg, en daarna verrijkt een eigen CNN de vocalisatie en de richting (alleen Zolder, stereo).
Dodotronic Ultramic (192 kHz)
│
▼
sonar-bavaria.service: dual stack
│
▼
├─ BatDetect2 (PyTorch, UK-getraind)
│
▼
└─ BattyBirdNET-Bavaria (TF Lite, DE/NL)
│
▼
Ensemble-merge: beide opslaan
│
▼
sonar-monitor.service via MQTT
│
▼
▶ PostgreSQL.bat_detectionsTwee detectors draaien parallel omdat ze elkaar aanvullen. BatDetect2 is goed op UK-soorten, Bavaria op centraal-Europese. We dwingen ze niet één antwoord te kiezen.
3× Tuya nestkast-cam
│
▼
Tuya cloud (protect-eu.ismartlife.me)
│
▼
go2rtc: pull RTSP, herpubliceer WebRTC
│
▼
Auto-screenshot 6× per dag (ook nacht)
│
▼
Pi Zolder reports-api → POST nestbox_media
│
▼
PostgreSQL.nestbox_media + .nestbox_events
│
▼
▶ NAS USB-archief + dashboardGoedkope Chinese cams zonder open API. Een open-source streaming-gateway (go2rtc) logt in op de Tuya-cloud en publiceert lokaal door. Daarmee komt elk frame in een database in plaats van in een app.
HQ Camera IMX477 + M12 wide-angle
│
▼
atmosbird-stream-relay: MJPEG broker :8889
│
▼
atmosbird-capture.timer: elke 10 min
│
▼
atmosbird-analysis.timer: elke 15 min
│
▼
ONNX cloud-classifier + ISS + maan + meteor
│
▼
atmosbird-archive-sync.timer: elk uur
│
▼
▶ PostgreSQL.sky_observations + USBDe hemel-camera schiet elke 10 minuten omhoog, een eigen-getrainde classifier zegt of het bewolkt is, en daarnaast schuift hetzelfde script door alle frames op zoek naar ISS-passages, maanstand en meteoren.
KNMI BirdTAM (PNG, geen API)
│
▼
HTTP fetch elke 30 min
│
▼
flysafe-radar: color-analyzer
│
▼
Pixel-classificatie naar 5 levels
│
▼
Extractie rond EMSN-coördinaten
│
▼
correlation_service: tijds-match met detecties
│
▼
▶ PostgreSQL.radar_observationsKNMI publiceert vogeltrek alleen als PNG-kaart, geen download-API. Een eigen color-analyzer leest de paletkleuren uit en zet ze om naar een intensiteit-cijfer per regio.
Elk onderdeel doet één ding. Veel ervan is open source. Anderen hebben de zware machine learning al gebouwd en getraind, ik koppel het aan elkaar en train zelf alleen waar het nodig is.
Defacto standaard voor edge-vogel-detectie, native SQLite + MP3-export, lage CPU op Pi 5.
State-of-the-art voor vleermuis-spectrogrammen, getraind op grote UK-dataset.
Beter op centraal-Europese soorten dan BatDetect2. Daarom dual-stack.
Generieke classifiers herkennen wel de soort maar niet wát de vogel doet (zang, roep, alarm). Drie generaties modellen, flagship is "ultimate": 4 conv blocks, 256 filters, 35 MB per soort.
Lichtgewicht, draait op Pi, transfer learning vanaf ImageNet is voldoende voor "leeg / bezet / eieren". In ontwikkeling.
KNMI levert alleen PNG, geen API. Pixel-classificatie maakt er weer cijfers van.
Eén centrale waarheid. SQLite per Pi schaalt niet voor cross-station queries.
Lichtgewicht message bus, bridge-pattern werkt al jaren tussen de Pi's. Sinds kort ook mTLS op poort 8883.
Eén abstractie over Tuya, RTSP en WebRTC. Browser-rendering zonder plugins.
Visualisatie en alerts, PostgreSQL als native data-source.
Centrale logs van alle Pi's. Voorkomt dat ik in vier hosts moet SSH'en om iets te debuggen.
Secrets management. De huidige .secrets-bestanden zijn een tijdelijke patch.
Geen cron, geen Docker-overhead op Pi's. Native, met WatchdogSec voor freezes.
UPS, RTC, scheduled power-on voor batterij-veldsessies.
Ziggo blokkeert poort 80/443 inkomend. Cloudflare maakt een uitgaande tunnel naar hun edge. Geen port-forwards, auto-TLS, auto-DNS.
Hosting voor deze site. Auto-deploy bij git-push, gratis voor hobby-projecten.
Off-site backup van DB en Pi's via SSH-key. Geen API-key, dus geen vendor-lock.
Primair archief. 1 Gbit thuis is sneller dan cloud, en het kost niets per TB.
Niets werkt meteen. Maar de ergste fouten zijn niet de crashes. Het zijn de pipelines die wél lijken te draaien maar verkeerde data wegschrijven. Vier voorbeelden.
Twee maanden lang gaf de AtmosBird hemel-classifier elke 15 minuten "99% bewolking" terug. Geen exception, geen alert. Oorzaak: `onnxruntime` was uit het venv gevallen, en de fallback-heuristic retourneerde altijd bijna-volledige bewolking. Sindsdien controleren post-deploy smoke-tests specifiek of het echte model laadt.
De `lifetime-sync-berging.timer` bleek per ongeluk op de Zolder-Pi te draaien. Het script sync'de de Zolder-SQLite eenmaal als zolder en eenmaal als berging: 201.224 records met de verkeerde stations-tag. De fix: hostname-check in het script zelf, en een single-source-of-truth lijst van "welke service hoort op welke host".
De audio-library librosa gebruikt numba voor JIT-compilatie en wil cachen onder `~/.cache/numba/`. Maar veilige systemd-services hebben `ProtectHome=read-only`. Resultaat: numba valt stil terug op pure-Python. 50× trager, alleen zichtbaar in debug-logs. Negen dagen lang werd er niet geclassificeerd voor we dat doorhadden.
De nestkast-cams zijn goedkope Tuya-dingen zonder RTSP of ONVIF. De schone oplossing was geweest: andere cams kopen. Maar go2rtc heeft een Tuya-driver die met je account inlogt en de cloud-stream lokaal herpubliceert. Plotseling kan ik elk frame in een database stoppen. Een Pi praat met een NAS die praat met een Chinese cloud die praat met een nestkast in de voortuin.
Deze cijfers ververst zichzelf via een leesalleen-endpoint op de NAS. Geen tussenstap, geen edit-deploy: kijk je het over een week terug, dan zijn ze opgehoogd.
Bijna alles is open source. De website draait op Astro, de data-API is FastAPI op de NAS, de Pi-scripts staan in eigen repos. Niets staat per se ge-polijst online. Het is werkcode die loopt, maar het is te lezen.
De cijfers op deze pagina komen uit één PostgreSQL-query van onder de 50 milliseconden op de eigen NAS, gecached voor een uur. Bezoek wordt anoniem en cookieloos geteld met Umami (self-hosted) en Vercel Web Analytics. Geen advertenties, geen tracking-cookies, geen profielen. Meer daarover op de privacy-pagina.