🐦 Von der Vogel-Kamera zum eigenen KI-Modell 🤖
🐦 Standard-KI-Modelle erkennen europäische Gartenvögel oft falsch – eine Kohlmeise wird zum asiatischen Fasan. Dieser Vortrag zeigt, wie aus einem Raspberry-Pi-Vogelhausmonitor ein vollständiges Open-Source-Ökosystem für Custom-ML-Training entstand.
Ausgehend von einem automatischen Kamerasystem mit Cinema 4K und 120fps-Zeitlupe (https://github.com/kamera-linux/vogel-kamera-linux) entwickelte sich die Notwendigkeit, eigene Vogelarten-Classifier zu trainieren. Mit YOLOv8-basierter Extraktion von Trainingsdaten aus Videos (https://github.com/kamera-linux/vogel-model-trainer) und automatischer Qualitätskontrolle (https://github.com/kamera-linux/vogel-video-analyzer) erreichten wir 100% Validierungsgenauigkeit für acht deutsche Gartenvogelarten.
🤖 Der Vortrag demonstriert die komplette Pipeline von der Hardware-Aufnahme über Dataset-Erstellung bis zum produktiven EfficientNet-Modell – alles auf Consumer-Hardware ohne Cloud, praktische Einblicke in Herausforderungen wie SSH-Stabilität, Hintergrundentfernung und iteratives Training inklusive.
Licensed to the public under http://creativecommons.org/licenses/by/4.0