新闻详情

新闻详情

首页 / 资讯中心 / 详情

Fugleramme安装教程:从空白SD卡到实时鸟类识别相框只需4步

发布时间:2026/11/13 6:37:10来源:尧图网络
Fugleramme安装教程:从空白SD卡到实时鸟类识别相框只需4步
Fugleramme安装教程从空白SD卡到实时鸟类识别相框只需4步【免费下载链接】fuglerammeBird frame for Raspberry Pi - real-time bird detection by audio, fully local AI, rendered as real, hand-cut 1800s bird illustrations. On an e-ink panel, a TV, or any screen.项目地址: https://gitcode.com/gh_mirrors/fu/fuglerammeFugleramme 是一个基于树莓派Raspberry Pi的实时鸟类识别相框麦克风拾音 全本地 AI 检测鸟鸣再把识别出的鸟画成 19 世纪复古手绘鸟类图鉴显示在电子墨水屏、电视或任何屏幕上。整个过程完全离线运行不需要联网 API也不需要编程经验。本教程带你从一张空白 SD 卡开始用 4 个步骤装好这个 Fugleramme 鸟类识别相框。Fugleramme 是什么把鸟鸣变成复古鸟类图鉴它的原理其实很简单BirdNET-Go 负责监听麦克风并做鸟声分类完全在本地运行Fugleramme 定期轮询它的 API把每种识别到的鸟匹配到一张真实手工裁剪的老式鸟类版画插图上拼成一页纸质图鉴鸟类出现时自动重绘。花园安静时只显示一根空栖枝来客越多图鉴越热闹还没有鸟几位访客热闹的花园 电子墨水屏让它看起来像真正的相框但它不是必须的——没有墨水屏时它也能跑在电视、HDMI 显示器甚至桌面壁纸上详见 docs/screens.md。开始之前树莓派鸟类识别相框硬件清单完整的推荐配置docs/hardware.md部件推荐主板Raspberry Pi 52 GB 就够用存储microSD 卡32 GB 或更大散热树莓派主动散热器BirdNET-Go 持续推理不可省略屏幕Inky Impression 13.3 电子墨水屏1600×1200麦克风Clippy EM272Z1 单声道3.5 mm声卡UGREEN USB 音频适配器为麦克风提供幻象供电电源官方 27 W USB-C 电源更弱的电源会导致降频相框任意 A4 相框作者用的是 IKEA RÖDALM 21×30麦克风是最值得花钱的部件——识别准确率很大程度上取决于它。如果你只想先看效果也可以跳过整套硬件用 Docker 容器 在任何 Linux 机器上跑。第 1 步把 Raspberry Pi OS 写入空白 SD 卡用官方工具Raspberry Pi Imager烧录系统注意这 4 个设置系统选择Raspberry Pi OS Lite64 位Trixie 或更新版本需要支持 USB Gadget 模式。Lite 版省内存只有想直接用 HDMI 屏幕显示相框时才选桌面版。设置主机名例如fugleramme和用户名例如admin。开启 SSH后面远程登录要用。配置Wi-Fi或之后插网线。烧录完成后把 SD 卡插入树莓派接上电源即可。第 2 步SSH 远程登录树莓派在你的电脑终端里通过 Wi-Fi 或以太网登录ssh adminfugleramme.local能登录就说明系统写好了。没有 Wi-Fi 环境可以启用 USB Gadget 模式用 USB-C 线直连电脑见第 4 步。第 3 步一条命令安装 Fugleramme 实时鸟类识别克隆仓库并运行安装脚本install.shgit clone https://gitcode.com/gh_mirrors/fu/fugleramme cd fugleramme bash install.sh安装器会先询问再动手主要问三件事你已经有 BirdNET-Go 了吗没有的话默认它会用 Docker 在树莓派上把 BirdNET-Go 一起装好如果已经跑在别的机器上填它的地址如http://birdnet.local:8080即可。端口相框网页界面默认8080BirdNET-Go 默认8090。被占用的端口会自动换到下一个空闲端口。是否重启脚本会启用 SPI 和 I2C 接口驱动墨水屏用装完会要求重启——放心重启一切会自动恢复。懒人模式全部采用默认选项bash install.sh -y装好后Fugleramme 会注册为 systemd 服务开机自启服务定义见 src/fugleramme/service.py在:8080提供相框页面管理后台在:8080/adminsrc/fugleramme/web/admin.py之后可以随时修改显示内容和端口。第 4 步可选开启 USB Gadget 模式这一步让你不用 Wi-Fi 也能维护相框用一根 USB-C 线把树莓派插到电脑上就能直接 SSH 进去——换新安装位置、换 Wi-Fi 时特别好用。安装脚本在第 3 步询问过是否开启默认接受即可。Pi 5 需要手动更新一次引导加载程序sudo rpi-eeprom-update -a sudo rpi-eeprom-config -e # 加一行PSU_MAX_CURRENT3000 sudo rebootPSU_MAX_CURRENT3000让树莓派能被笔记本通过同一根 USB-C 线正常供电。之后把线插到电脑、按需开启系统的网络共享就能离线连上了。安装完成后配置麦克风与鸟鸣识别如果 Fugleramme 帮你装了 BirdNET-Go还要告诉它声音从哪里进来详见 docs/birdnetgo-config.md打开 BirdNET-Go 面板http://主机名.local:8090进入Settings → Audio点 Add Sound Card 添加你的声卡设备保存即可设置你的地理位置强烈推荐——位置和时间会影响模型判断哪些鸟更可能出现项目自带一份合理的初始检测配置模板detector/config/config.yaml.template首装自动生效后续可随时在面板里调整灵敏度减少误报。在哪里看效果电子墨水相框、电视、电脑桌面相框页面就是一个网页五种显示方式任选docs/screens.md电子墨水屏A4 尺寸直接放进 A4 相框就是真正的鸟类相框三星 Frame 电视 / 任意 HDMI 屏幕浏览器全屏打开http://主机名.local:8080/即可效果非常惊艳手机 / 平板 / 笔记本同一局域网内直接打开页面电脑桌面壁纸 / 屏保macOS 支持照片文件夹源常见问题与下一步屏幕没反应先查 docs/troubleshooting.md想改端口 / 显示模式看管理后台或 docs/operations.md完整安装文档docs/install.md更多玩法docs/faq.md、docs/showcase.md。 恭喜你的实时鸟类识别相框已经装好了——等清晨第一声鸟鸣它会自己画出来。【免费下载链接】fuglerammeBird frame for Raspberry Pi - real-time bird detection by audio, fully local AI, rendered as real, hand-cut 1800s bird illustrations. On an e-ink panel, a TV, or any screen.项目地址: https://gitcode.com/gh_mirrors/fu/fugleramme创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉