(Insect Detect) trigger capture.py

Allgemeines

trigger_capture.py ist eines von zwei zentralen Scripts (webapp.py) auf dem Raspi.

Festures

• LQ-Videostream Auswertung
• Trigger bei (Insekten-)Erkennung
• Speichern eines HQ-Foto, oder mehrerer Frames.
• Speichern der einer MetaDatei (CSV) mit Timestamp, Label, Confidence Score, Tracker ID, Bounding Box Koordinaten
• Time-Lapse Capture Funktion
• Energiemanagement

MetaDatei

Felder:

• cam_ID Freitext
• rec_ID Bedeutung noch zu klaeren
• timestamp selbsterklaerend
• lens_postion Bedeutung noch zu klaeren
• iso_sensitivity Bedeutung noch zu klaeren
• exposure_time Bedeutung noch zu klaeren
• label vom DetectionsTrigger Bedeutung noch zu klaeren
• confidence vom DetectionsTrigger DetektionsSicherheit normiert auf 1 (1 = 100 Prozent)
• track_status Bedeutung noch zu klaeren
• x_min BoundingBox-Koordinate
• y_min BoundingBox-Koordinate
• x_max BoundingBox-Koordinate
• y_max BoundingBox-Koordinate

ergaenzt:

• x_size = x_max - x_min
• y_size = y_max - y_min
• x_start = x_min * 3840
• y_start = y_min * 2160

Die HQ-Fotos haben bei meinen Versuchen eine Aufloesung von 3840x2160. Mit den Start-Koordinaten und den Dimensionen (Size) konnte ich die BoundingBoxes zum Ueberpruefen in Gimp einfuegen.

cam_ID,rec_ID,timestamp,lens_position,iso_sensitivity,exposure_time,label,confidence,track_ID,track_status,x_min,y_min,x_max,y_max,x_size,y_size,x_start,y_start
insdet-cam01,1,2025-08-26T19:37:56.028,154,1575,30,insect,0.69,1,TRACKED,0.2569,0.0026,0.3112,0.0824,208.512,172.368,986.496,5.616
insdet-cam01,1,2025-08-26T19:37:56.028,154,1575,30,insect,0.84,2,TRACKED,0.2038,0.7776,0.2667,0.9097,241.536,285.336,782.592,1679.616
insdet-cam01,1,2025-08-26T19:37:56.028,154,1575,30,insect,0.85,3,TRACKED,0.243,0.2083,0.3025,0.3196,228.48,240.408,933.12,449.928

CodeAnalyse

ChatGPT meint:

Kurz gesagt: trigger_capture.py ist das Aufnahmescript, das dauerhaft läuft und auf Basis der Insekten-Detektion entscheidet, wann und was aufgezeichnet wird. Die eigentliche „Magie“ – also der Trigger – passiert in der Kombination aus Detektions-Schwelle, Tracker und den Aufnahme-Intervallen, die du in der Config einstellst, nicht direkt hart im Code.

---

1. Was macht trigger_capture.py genau?

Aus der Doku und dem Repo ergibt sich grob dieser Ablauf (GitHub):

1. Konfiguration laden
   • Es liest die aktuell gewählte Config (config_selector.yaml → z. B. config_custom.yaml).
   • Darin stehen u. a.:
     • Modellpfad (YOLO-Blob)
     • Auflösung / FPS für LQ- und HQ-Stream
     • Schwellwerte für Detektion
     • Intervalle für Triggered Capture und Time-Lapse
     • Pfade für Bilder/Metadaten
     • Power-Management-Einstellungen (WittyPi / PiJuice).
2. OAK-Kamera + Pipeline initialisieren
   • LQ-Stream (runtergerechnet, z. B. 320×320) für Live-Detektion.
   • HQ-Stream (z. B. 4K MJPEG) für Speichern von Bildern.
3. Insekten-Detektion & Tracking
   • Auf jedem LQ-Frame läuft das YOLO-Modell („insect“ als Klasse).
   • Ein Tracker bekommt die Bounding Boxes und vergibt Tracking-IDs, damit ein Individuum über mehrere Frames verfolgt werden kann. (GitHub)
4. Trigger-Logik
   • Wenn mindestens eine gültige Insekten-Detektion vorliegt (Konfidenz über deiner Detektions-Schwelle, evtl. Mindest-Boxgröße etc.), setzt das Script intern sowas wie einen „Recording active“-Status.
   • Solange dieser Status aktiv ist, werden HQ-Frames in einem bestimmten Intervall gespeichert („triggered capture“).
   • Zusätzlich laufen unabhängig davon Time-Lapse-Aufnahmen (z. B. alle X Sekunden/Minuten), um den Hintergrundverlauf zu dokumentieren – auch ohne Insekten.
5. Speichern von Bildern + Metadaten
   • HQ-Frames → JPEG/PNG im Zielordner.
   • Dazu eine Metadata-CSV pro Detektion mit:
     • Timestamp
     • Label („insect“)
     • Confidence
     • Tracking-ID
     • Status (z. B. „new“, „tracked“, „lost“)
     • Bounding-Box-Koordinaten. (GitHub)
6. Optional: Power-Management
   • Wenn ein WittyPi oder PiJuice konfiguriert ist, prüft das Script Ladezustand / Zeitfenster und passt Aufnahmedauer daran an. (GitHub)

---

2. Wo ist der Trigger im Code – und wie „steuert“ man ihn?

Da der direkte Codezugriff hier eingeschränkt ist, kann ich dir keine konkreten Zeilennummern zitieren – aber die Struktur ist so:

• In trigger_capture.py gibt es eine Haupt-Schleife, die:
  1. LQ-Frames vom OAK holt
  2. Detektionen + Tracking auswertet
  3. Auf Basis des Ergebnisses Flags setzt, z. B. insect_present = True/False
  4. In einem Timer / Zeitstempel-Vergleich prüft, ob:
     • seit letzter gespeicherter Aufnahme genug Zeit vergangen ist (capture-Intervall)
     • der Trigger noch aktiv ist (noch Insekten im Bild)
  5. Dann HQ-Frames vom zweiten Stream holt und speichert.

Wichtig: Die meisten Parameter, die dein Verhalten beeinflussen (Schwellen, Intervalle etc.), liegen NICHT als Magic Numbers im Script, sondern in config_custom.yaml und werden dort von dir (oder über die Web-App) gesetzt. (maxsitt.github.io)

---

3. Was kannst du praktisch anpassen – ohne Code zu ändern?

a) Detektions-Empfindlichkeit (weniger / mehr False Positives)

Machst du entweder in der Web-App (Software → Web App) oder direkt in configs/config_custom.yaml:

Typische Parameter dort (Namen können leicht variieren, aber sinngemäß):

• Konfidenz-Schwelle für YOLO
  • Höher stellen → nur sichere Insekten werden getriggert, weniger Müll, aber mehr verpasste Tiere.
  • Niedriger stellen → empfindlicher, mehr Trigger, aber mehr False Positives.
• Mindest-Boxgröße / -Fläche
  • Verhindert Trigger durch ganz kleine Störungen (Rauschen, kleine Pollen/Flecken).

In der Web-App findest du das im Bereich „Detection“/„Model“‐Einstellungen; in der YAML irgendwas in Richtung detection: / confidence_threshold / min_box_area (o. ä.).

---

b) Wie oft Bilder gespeichert werden (wenn Insekten da sind)

In der Config gibt es getrennte Intervalle für:

• Triggered Capture

  • 26. B. capture_interval_triggered → Zeitabstand zwischen zwei HQ-Frames, solange eine Insekten-Detektion aktiv ist.

• Time-Lapse

  • 26. B. capture_interval_timelapse → unabhängig von Insekten, für regelmäßige Übersichtsbilder. (maxsitt.github.io)

→ Wenn du mehr Bilder pro Besuch willst: Trigger-Intervall verkürzen. → Wenn du Datenmenge reduzieren willst: Trigger-Intervall vergrößern, Time-Lapse seltener.

---

c) Wie lange der Trigger „nachläuft“

Meist gibt es eine Art „Nachlauf-Zeit“:

• „Wenn X Sekunden lang keine neue Detektion für eine laufende Tracking-ID kommt → Trigger-Status wieder auf false setzen.“
• Das verhindert, dass bei kurzen Frame-Aussetzern sofort alles stoppt.

In der Config könnte das etwas wie max_inactive_time / tracker_timeout o. ä. sein.

---

4. Was würdest du im Code selbst anfassen?

Nur, wenn du wirklich in die Logik eingreifen willst, z. B.:

• Andere Trigger-Bedingung:
  • statt „mindestens 1 Insekt“ → „mindestens N Insekten“
  • oder Trigger nur für bestimmte Größen / Positionen (z. B. nur mittlerer Bereich der Plattform).

Dann würdest du in trigger_capture.py an die Stelle gehen, an der:

1. Die Model-Outputs (Bounding Boxes + Confidence) eingelesen werden.
2. Daraus eine Liste/Dict der aktiven Tracks gebaut wird.
3. Anhand dieser Liste entschieden wird, ob trigger_active gesetzt wird.

Logisch wäre dort sowas wie (vereinfacht):

if any(det.conf > conf_thresh for det in detections):
    trigger_active = True
    last_detection_time = now
elif now - last_detection_time > timeout:
    trigger_active = False

Das ist nicht der Originalcode, nur Pseudocode – aber so in etwa läuft es.

---

5. TL;DR für dich als Anwender

Ohne Code anzufassen kannst du:

• Über Web-App → Config / Detection / Capture:

  • Detektions-Schwelle (Empfindlichkeit) einstellen
  • Trigger-Intervall (wie oft Bild bei Insekt) einstellen
  • Zeit­raffer-Intervall unabhängig vom Trigger setzen
  • ggf. Tracker-/Time-out-Parameter anpassen

• Das Script startest du wie in der Doku:

  env_insdet/bin/python3 insect-detect/trigger_capture.py
  

  oder automatisch via startup-Konfiguration. (maxsitt.github.io)

---