Soms hoef je helemaal geen nieuwe hardware te kopen om iets nieuws te kunnen doen. Sterker nog: voor mijn BirdNET-Go-installatie heb ik juist gekozen voor een computer die al jaren oud is.
Het is een Intel NUC met een i3-processor. Ooit bedoeld voor een kantoor, waarschijnlijk om de zoveelste versie van Word en Excel te draaien. Nu doet hetzelfde apparaat veel interessantere dingen.
Mijn Home Assistant draait er al op en daarom was de keuze eigenlijk snel gemaakt. Waarom zou ik voor iedere nieuwe toepassing weer een Raspberry Pi neerzetten als er al een kleine, zuinige en behoorlijk krachtige computer 24 uur per dag aanstaat?
Een gebruikte NUC is bovendien voor ongeveer €50 à €60 te vinden. Met een SSD en voldoende geheugen heb je voor weinig geld een prima basis voor Home Assistant en allerlei toepassingen die daar omheen draaien.
Voor mij is dat ook gewoon een kwestie van hergebruik. Hardware die in een kantooromgeving misschien is afgeschreven, kan thuis nog jarenlang nuttig werk doen.
BirdNET-Go erbij
Een maand geleden heb ik daarom BirdNET-Go aan mijn Home Assistant-omgeving toegevoegd.
BirdNET-Go is inmiddels veel meer dan alleen een programma dat zegt welke vogel je hoort. Het is een lokale AI-oplossing voor continue analyse van geluid. De software kan 24 uur per dag audiobronnen analyseren en de waarnemingen opslaan. Inmiddels zijn er bovendien meerdere modellen beschikbaar, waaronder BirdNET, Google Perch en BattyBirdNET voor vleermuizen. (GitHub)
Dat laatste maakt het voor mij extra interessant.
Want als je toch continu naar de omgeving luistert, waarom zou je dan alleen naar vogels luisteren?
De microfoon is belangrijker dan je denkt
De installatie zelf is niet bijzonder ingewikkeld. Voor Home Assistant bestaat een community-app van AlexBelgium. Die voeg je toe aan de Home Assistant-appstore door eerst zijn repository als aanvullende bron toe te voegen. Daarna kun je BirdNET-Go installeren en starten. (GitHub)
Maar er is één onderdeel waar je goed op moet letten: de audiobron.
BirdNET-Go heeft niet ineens een eigen microfooningang omdat je het als Home Assistant-app installeert. De microfoon moet beschikbaar zijn voor de Home Assistant-machine, of je gebruikt bijvoorbeeld een geschikte RTSP-audiostream. (GitHub)
Daar zit een mooie valkuil.
Heb je een USB-microfoon aangesloten, dan moet BirdNET-Go ook daadwerkelijk weten dat dit de audiobron is. In de configuratie van de Home Assistant-app kun je dat controleren.
En als je later de microfoon of USB-audio-interface verwisselt, moet je daar opnieuw naar kijken.
Anders heb je een perfect draaiende AI-installatie die naar helemaal niets luistert.
Daar kun je verrassend lang naar zoeken.
En toen kwamen de vleermuizen
De overstap naar een NUC had voor mij nog een andere reden.
Ik wilde niet alleen vogels herkennen, maar ook experimenteren met vleermuisdetectie. BirdNET-Go ondersteunt daarvoor BattyBirdNET, een speciaal model voor vleermuizen. (GitHub)
Daarmee veranderen de eisen aan je microfoon behoorlijk.
Vogelgeluiden kun je met een normale audio-opname prima analyseren. Vleermuizen produceren echter veel geluid in het ultrasone gebied. Daarvoor heb je een geschikte microfoon en audio-interface nodig die met hoge sample rates kunnen werken.
BirdNET-Go noemt 96 kHz als minimum en 192 kHz als een goede praktische waarde; 256 kHz of hoger geeft nog meer bereik.
Dat was voor mij een belangrijk argument om niet alles op mijn oude Raspberry Pi 3B te blijven proberen.
Niet omdat een Raspberry Pi niets kan. Integendeel. Voor een eenvoudige BirdNET-installatie is zo’n Pi nog steeds uitstekend bruikbaar.
Maar als je meerdere AI-modellen wilt gebruiken, hogere sample rates nodig hebt en daarnaast Home Assistant en andere toepassingen wilt draaien, wordt een kleine Intel NUC ineens een heel logische keuze.
Alles bij elkaar
En daar zit voor mij de echte meerwaarde.
Home Assistant is bij mij de centrale laag. Daar komen sensoren, automatiseringen en andere toepassingen bij elkaar. BirdNET-Go kan daar gewoon naast draaien.
Zo ontstaat langzaam een interessant systeem:
microfoon → BirdNET-Go → AI-herkenning → Home Assistant → opslag, analyse en automatisering
Dat is iets anders dan alleen een vogel herkennen.
Je bouwt eigenlijk een permanente geluidsmeter voor je omgeving.
En juist wanneer je de waarnemingen langere tijd bewaart, wordt het interessant. Dan kun je niet alleen vragen welke vogel zit hier?, maar ook:
Welke soorten komen hier voor? Wanneer zijn ze actief? Verandert dat gedurende het jaar? En zien we over langere tijd veranderingen?
Dan wordt AI ineens een meetinstrument.
Oude hardware, nieuwe functie
Mijn conclusie na een maand is daarom vrij eenvoudig.
Als je al Home Assistant draait, kijk dan eerst eens naar de computer die je daarvoor gebruikt. Misschien heb je helemaal geen nieuwe Raspberry Pi nodig.
Een oude NUC met een i3-processor, een SSD en voldoende geheugen kan prima functioneren als centrale computer voor Home Assistant én BirdNET-Go.
En met de uitbreiding naar meerdere AI-modellen en vleermuisdetectie wordt zo’n oude kantoorcomputer opeens een behoorlijk interessante biodiversiteitssensor.
Dat vind ik uiteindelijk misschien nog wel het leukste eraan.
Geen nieuwe computer.
Geen ingewikkelde cloudoplossing.
Gewoon een oude NUC, een goede microfoon en lokale AI.
Meten is weten — ook als het meetinstrument ooit op een kantoor stond.
Waar haal je BirdNET-Go vandaan?
De officiële bron van BirdNET-Go is het GitHub-project van Tomi P. Hakala:
BirdNET-Go — officiële repository
Voor Home Assistant gebruik ik de community-app van AlexBelgium:
BirdNET-Go Home Assistant-app
De Home Assistant-app is gebaseerd op de officiële BirdNET-Go Docker-image. (GitHub)
De officiële documentatie beschrijft Docker momenteel ook als de aanbevolen installatiemethode voor Linux-systemen. (GitHub)