Dataset

Sat, 28 Feb 2026 00:00:00 +0000

Cel i skala #

Binarny klasyfikator wymaga dwóch klas:

bird/ — karmnik z ptakiem widocznym na zdjęciu
no_bird/ — karmnik bez ptaka (tło, liście, zmieniające się oświetlenie)

Docelowa skala: 5000+ zdjęć łącznie, z zachowaniem rozsądnego balansu klas. Klasa no_bird naturalnie będzie liczniejsza — ptaki pojawiają się nieregularnie.

Struktura katalogów #

dataset/
├── raw/                    # Surowe zdjęcia z RPi i aparatu
│   └── YYYY-MM-DD_HH-MM-SS.jpg
├── labeled/
│   ├── bird/               # Zweryfikowane: ptak obecny
│   └── no_bird/            # Zweryfikowane: brak ptaka
└── augmented/              # Wygenerowane: augmentacja
    ├── bird/
    └── no_bird/

Pipeline zbierania danych #

1. Automatyczne zdjęcia (RPi5) #

Raspberry Pi robi zdjęcia w trybie ciągłym (lub wyzwalane przez detekcję ruchu). Zdjęcia trafiają do raw/ z timestampem w nazwie pliku.

Sprzęt

Sat, 28 Feb 2026 00:00:00 +0000

Platforma główna — Raspberry Pi 5 #

Raspberry Pi 5 to znaczący skok wydajności względem poprzednich generacji. Dla tego projektu kluczowe jest:

wystarczająca moc do inference lekkiego modelu CNN w czasie rzeczywistym
natywne wsparcie dla kamery HQ przez złącze CSI
możliwość uruchomienia pełnego stosu Pythona (OpenCV, tflite / PyTorch lite)

Systemd zarządza serwisami odpowiedzialnymi za automatyczne zbieranie zdjęć i monitoring urządzenia.