Detekce lesní zvěře s využitím platformy ESP32

Abstract

Tato práce se zabývá vývojem nízkoenergetického zařízení založeného na platformě ESP32, schopné detekovat lesní zvěř pomocí neuronových sítí běžících přímo na mikrokontroléru. Zařízení využívá síť LoRaWAN k přenosu informací o detekovaných zvířatech na server The Things Network. Díky modelu detekce FOMO se snižuje počet zbytečných fotografií bez výskytu zvěře a zvyšuje se efektivita ukládání dat. Součástí práce je návrh a implementace jak hardwarového řešení, tak obslužného programu a jednoduché desktopové aplikace pro vizualizaci přijatých dat. Výsledný systém byl otestován v reálném prostředí.

This thesis deals with the development of a low-power device based on the ESP32 platform, capable of detecting wildlife using neural networks running directly on a microcontroller. The device uses the LoRaWAN network to transmit information about the detected animals to The Things Network server. Thanks to the FOMO detection model, the number of unnecessary photos without wildlife is reduced and the efficiency of data storage is increased. The work includes the design and implementation of both a hardware solution and firmware, and a simple desktop application for visualizing the received data. The resulting system was tested in a real environment.