FR - But du projet Pollusound

Le but est d'analyser les sons dans la ville de Bruxelles. Pour cela, nous utiliserons une carte LTE-M RAPID dev Kit Orange.

• BirdNET-Analyzer Nous utiliserons l'IA de BirdNet afin de proposer une solution simple et abordable d'une IA de type CNN qui utilise le traitement d'image pour reconnaître un son. https://github.com/mcguirepr89/BirdNET-Pi

Cette IA fonctionne sur un Raspberry Pi 4B. Celle-ci est fortement recommandée dans le dépôt (https://github.com/mcguirepr89/BirdNET-Pi).

Attention ! Il faut utiliser comme image dans le Raspberry le "Raspberry Pi OS Legacy 64 bits Bullseye" et non la version Bookworm.

• Carte Sodaq

Tutoriel ici : https://docs.allthingstalk.com/examples/hardware/get-started-sodaq-sara/

Nous utiliserons la carte "SODAQ SARA AFF REV 3" avec le code "nbIOT_serial_passthrough". Ce code assure la communication entre le Raspberry et le module SARA-R410M via une liaison série.

• main.py : Ce fichier permet de paramétrer le module SARA-R410M afin d'assurer la connexion au réseau cellulaire, au serveur MQTT et d'envoyer les détections de sons.

• service.txt : mise en place d'un service au demarrage

• birdnet_to_mqtt.py : Ce fichier permet de vérifier les logs du fichier '/var/log/syslog' afin de récupérer les données des oiseaux détectés par BirdNet. Ce code est une version modifiée de celui disponible sur (git: deepcoder / birdnet_to_mqtt.py). (https://gist.github.com/deepcoder/c309087c456fc733435b47d83f4113ff#file-birdnet_to_mqtt-py)

lien boite : https://www.thingiverse.com/thing:3338826

Micro suggéré : mcguirepr89/BirdNET-Pi#39

EN - Goal of the Pollusound Project

The goal of the Pollusound project is to analyze sounds in the city of Brussels. For this, we will use an Orange LTE-M RAPID dev Kit.

• BirdNET-Analyzer We will use BirdNet AI to provide a simple and affordable solution of a CNN-type AI that uses image processing to recognize a sound.

This AI runs on a Raspberry Pi 4B. This setup is highly recommended in the repository (https://github.com/mcguirepr89/BirdNET-Pi).

Attention! Use the "Raspberry Pi OS Legacy 64 bits Bullseye" as the image for the Raspberry, not the Bookworm version.

• Sodaq Board

Tutorial here: https://docs.allthingstalk.com/examples/hardware/get-started-sodaq-sara/

We will use the "SODAQ SARA AFF REV 3" board with the provided code "nbIOT_serial_passthrough". This code ensures communication between the Raspberry and the SARA-R410M module via serial connection.

• main.py: This file configures the SARA-R410M module to ensure connection to the cellular network, the MQTT server, and to send sound detections.

• birdnet_to_mqtt.py: This file checks the logs in '/var/log/syslog' to retrieve the data of birds detected by BirdNet. This code is a modified version of the one available at (git: deepcoder / birdnet_to_mqtt.py). (https://gist.github.com/deepcoder/c309087c456fc733435b47d83f4113ff#file-birdnet_to_mqtt-py)