🐦 Von der Vogel-Kamera zum eigenen KI-Modell 🤖
Termin: So, 14:00 - Raum V7 - Dauer 60 Min.
🐦 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 8 deutsche Gartenvogelarten.
🤖 Der Vortrag demonstriert die komplette Pipeline von der Hardware-Aufnahme über Dataset-Erstellung bis zum produktiven fficientNet-Modell – alles auf consumer Hardware ohne Cloud. Praktische Einblicke in Herausforderungen wie SSH-Stabilität, Hintergrundentfernung und iteratives Training inklusive.
Webseite: https://github.com/kamera-linux/vogel-kamera-linux
Erwünschte Vorkenntnisse: Keine speziellen Vorkenntnisse erforderlich. Grundlegendes Verständnis von Programmierung (Python) und Interesse an KI/Machine Learning sind hilfreich.
Der Vortrag erklärt alle verwendeten Technologien (YOLOv8, EfficientNet, Raspberry Pi) im Kontext und ist sowohl für ML-Einsteiger als auch erfahrene Entwickler geeignet, die praktische Einblicke in Edge-AI-Projekte suchen.
Weitere Informationen: Kurz-Paper
