@buzzmeister Ik zou het waarderen als je niet direct naar SN wijst. Mede gezien het feit jouw jpg ... nu we het over compressie hebben ... 55kb groot is. Van een fotograaf mag men toch veronderstellen dat deze weet hoe compressie werkt en wat het effect hiervan is. Screenshot 2020-11-20 at 14.22.12

En de PoC in het veld is geslaagd! Het eerste object is herkend, het tweede object in het rode kader nog niet. Een kwestie van data verzamelen en het objectherkennings model verder trainen.Screenshot 2020-05-26 at 00.28.35

Bijna een jaar later ... :-). De software draait. AllSky heb ik aangepast en previewed nu images met objectherkennings boxen (screenshots) volgen. De Pi4 is sinds eergisteren te booten via een USB3 mass storage device. Dit was voor mij van belang aangezien de SD kaart letterlijk niet meer paste in de waterdichte enclosure. Aan de onderkant zal ik nog een aluminium of rvs plaatjes monteren voor warmte overdracht.IMG_0926IMG_0928IMG_0930IMG_0931

Bijna een jaar later ... :-). De software draait. AllSky heb ik aangepast en previewed nu images met objectherkennings boxen (screenshots) volgen. De Pi4 is sinds eergisteren te booten via een USB3 mass storage device. Dit was voor mij van belang aangezien de SD kaart letterlijk niet meer paste in de waterdichte enclosure. Aan de onderkant zal ik nog een aluminium of rvs plaatjes monteren voor warmte overdracht.IMG_0926IMG_0928IMG_0930IMG_0931

Bijna een jaar later ... :-). De software draait. AllSky heb ik aangepast en previewed nu images met objectherkennings boxen (screenshots) volgen. De Pi4 is sinds eergisteren te booten via een USB3 mass storage device. Dit was voor mij van belang aangezien de SD kaart letterlijk niet meer paste in de waterdichte enclosure. Aan de onderkant zal ik nog een aluminium of rvs plaatjes monteren voor warmte overdracht.IMG_0926IMG_0928IMG_0930IMG_0931

Bijna een jaar later ... :-). De software draait. AllSky heb ik aangepast en previewed nu images met objectherkennings boxen (screenshots) volgen. De Pi4 is sinds eergisteren te booten via een USB3 mass storage device. Dit was voor mij van belang aangezien de SD kaart letterlijk niet meer paste in de waterdichte enclosure. Aan de onderkant zal ik nog een aluminium of rvs plaatjes monteren voor warmte overdracht.IMG_0926IMG_0928IMG_0930IMG_0931

70249330_544303609671033_4691161180661710387_n

Kees, een gewaardeerd forum lid van het 2de uur heeft eindelijk zijn boek gepubliceerd: An Astrophotographical journey back in time Voor de liefhebbers SN feliciteert Kees met deze zo te zien prachtige mijlpaal.Screenshot 2019-12-24 at 17.01.35Screenshot 2019-12-24 at 17.02.07Screenshot 2019-12-24 at 17.02.52

Kees, een gewaardeerd forum lid van het 2de uur heeft eindelijk zijn boek gepubliceerd: An Astrophotographical journey back in time Voor de liefhebbers SN feliciteert Kees met deze zo te zien prachtige mijlpaal.Screenshot 2019-12-24 at 17.01.35Screenshot 2019-12-24 at 17.02.07Screenshot 2019-12-24 at 17.02.52

Kees, een gewaardeerd forum lid van het 2de uur heeft eindelijk zijn boek gepubliceerd: An Astrophotographical journey back in time Voor de liefhebbers SN feliciteert Kees met deze zo te zien prachtige mijlpaal.Screenshot 2019-12-24 at 17.01.35Screenshot 2019-12-24 at 17.02.07Screenshot 2019-12-24 at 17.02.52

De 1ste timelapse. Met een ISS overgang een en aparte stervormige licht "flits" ? onder Vega om 1:45. https://www.youtube.com/watch?v=k8i0OZ-4Xis0323

Geïnspireerd door het onvolprezen artikel van Kees (een van de velen): https://www.starry-night.nl/doe-het-zelf-project-draadloze-allsky-camera-met-raspberry-pi/ ben ik een een aantal weken geleden begonnen met de bouw van mijn AllSky cam. I.p.v. een Pi3b of 3b+ gebruik ik de recent verschenen Pi4 (2GB) versie. Een aantal voordelen zijn los van 1GB meer werkgeheugen (niet echt benodigd) t.o.v. zijn voorgangers twee USB3 poorten en een aanzienlijk hogere bedrijfstemperatuur. Vooral laatst genoemde kan voor een AllSky cam zomaar een voordeel in de winter (vorst) en qua condens opleveren (maar wellicht meer hotpixels). Voorts maken ZWO camera's ook graag gebruik van USB3 poorten. De AllSky software op Github is inmiddels geüpdate voor de PI4. Ik heb op basis van de Instructable link zoals in het artikel van Kees deze afgeleide build gevonden: https://www.instructables.com/member/das.shark/ waarin gebruik wordt gemaakt van een 3d print frame voor de PI en een ZWO ASI camera, in mijn geval ook een 290MC. Een vriend heeft deze voor mij vervaardigd. @wimengels vroeg in reactie op een topic van @musquetier wat eronder de ZWO camera zit (zie afbeelding 3). Ik heb in deze build een Google Coral (Edge USB Accelerator) toegevoegd. Deze stick kan een "machine learning inferencing" model draaien. Ik heb gisteren een Proof of Concept modelletje gebouwd waarin een image tegen het model wordt gehouden en wolken en/of meteorieten worden herkend (uitgedrukt in percentages, zie afb. 2). Kort door de bocht ... object herkenning. Een leuke introductie: Build a Teachable Machine with Coral’s USB Accelerator Ik ben voornemens een uitgebreid model te bouwen (en ben de data hiervoor aan het verzamelen) waardoor de AllSky cam autonoom en "on the fly" kan herkennen wat hij waarneemt. Denk aan meteorieten, boliden, vliegtuigen, wolken, etc. De redenen om dit doen: het is interessant en een mooie introductie in het ML/AI gebied, het biedt allerlei interface/notificatie mogelijkheden en feitelijk ... omdat het kan! Overigens heb ik inmiddels ook ontdekt wat de IR verlichting van een security cam doet :-) ... flood light in het IR gebied, zie de 4de afbeelding. Ik heb nog geen definitieve waterdichte behuizing, ik zal de komende tijd gebruiken voor wat data verzameling en scripten van de software en zoeken van een goede behuizing. Wordt vervolgd! Het image zoals gebruikt om het PoC model te testen is copyright © Victor van Wulfen.image-20190723004852Screenshot 2019-07-22 at 13.41.07IMG_3200image-20190723000955

Geïnspireerd door het onvolprezen artikel van Kees (een van de velen): https://www.starry-night.nl/doe-het-zelf-project-draadloze-allsky-camera-met-raspberry-pi/ ben ik een een aantal weken geleden begonnen met de bouw van mijn AllSky cam. I.p.v. een Pi3b of 3b+ gebruik ik de recent verschenen Pi4 (2GB) versie. Een aantal voordelen zijn los van 1GB meer werkgeheugen (niet echt benodigd) t.o.v. zijn voorgangers twee USB3 poorten en een aanzienlijk hogere bedrijfstemperatuur. Vooral laatst genoemde kan voor een AllSky cam zomaar een voordeel in de winter (vorst) en qua condens opleveren (maar wellicht meer hotpixels). Voorts maken ZWO camera's ook graag gebruik van USB3 poorten. De AllSky software op Github is inmiddels geüpdate voor de PI4. Ik heb op basis van de Instructable link zoals in het artikel van Kees deze afgeleide build gevonden: https://www.instructables.com/member/das.shark/ waarin gebruik wordt gemaakt van een 3d print frame voor de PI en een ZWO ASI camera, in mijn geval ook een 290MC. Een vriend heeft deze voor mij vervaardigd. @wimengels vroeg in reactie op een topic van @musquetier wat eronder de ZWO camera zit (zie afbeelding 3). Ik heb in deze build een Google Coral (Edge USB Accelerator) toegevoegd. Deze stick kan een "machine learning inferencing" model draaien. Ik heb gisteren een Proof of Concept modelletje gebouwd waarin een image tegen het model wordt gehouden en wolken en/of meteorieten worden herkend (uitgedrukt in percentages, zie afb. 2). Kort door de bocht ... object herkenning. Een leuke introductie: Build a Teachable Machine with Coral’s USB Accelerator Ik ben voornemens een uitgebreid model te bouwen (en ben de data hiervoor aan het verzamelen) waardoor de AllSky cam autonoom en "on the fly" kan herkennen wat hij waarneemt. Denk aan meteorieten, boliden, vliegtuigen, wolken, etc. De redenen om dit doen: het is interessant en een mooie introductie in het ML/AI gebied, het biedt allerlei interface/notificatie mogelijkheden en feitelijk ... omdat het kan! Overigens heb ik inmiddels ook ontdekt wat de IR verlichting van een security cam doet :-) ... flood light in het IR gebied, zie de 4de afbeelding. Ik heb nog geen definitieve waterdichte behuizing, ik zal de komende tijd gebruiken voor wat data verzameling en scripten van de software en zoeken van een goede behuizing. Wordt vervolgd! Het image zoals gebruikt om het PoC model te testen is copyright © Victor van Wulfen.image-20190723004852Screenshot 2019-07-22 at 13.41.07IMG_3200image-20190723000955

Geïnspireerd door het onvolprezen artikel van Kees (een van de velen): https://www.starry-night.nl/doe-het-zelf-project-draadloze-allsky-camera-met-raspberry-pi/ ben ik een een aantal weken geleden begonnen met de bouw van mijn AllSky cam. I.p.v. een Pi3b of 3b+ gebruik ik de recent verschenen Pi4 (2GB) versie. Een aantal voordelen zijn los van 1GB meer werkgeheugen (niet echt benodigd) t.o.v. zijn voorgangers twee USB3 poorten en een aanzienlijk hogere bedrijfstemperatuur. Vooral laatst genoemde kan voor een AllSky cam zomaar een voordeel in de winter (vorst) en qua condens opleveren (maar wellicht meer hotpixels). Voorts maken ZWO camera's ook graag gebruik van USB3 poorten. De AllSky software op Github is inmiddels geüpdate voor de PI4. Ik heb op basis van de Instructable link zoals in het artikel van Kees deze afgeleide build gevonden: https://www.instructables.com/member/das.shark/ waarin gebruik wordt gemaakt van een 3d print frame voor de PI en een ZWO ASI camera, in mijn geval ook een 290MC. Een vriend heeft deze voor mij vervaardigd. @wimengels vroeg in reactie op een topic van @musquetier wat eronder de ZWO camera zit (zie afbeelding 3). Ik heb in deze build een Google Coral (Edge USB Accelerator) toegevoegd. Deze stick kan een "machine learning inferencing" model draaien. Ik heb gisteren een Proof of Concept modelletje gebouwd waarin een image tegen het model wordt gehouden en wolken en/of meteorieten worden herkend (uitgedrukt in percentages, zie afb. 2). Kort door de bocht ... object herkenning. Een leuke introductie: Build a Teachable Machine with Coral’s USB Accelerator Ik ben voornemens een uitgebreid model te bouwen (en ben de data hiervoor aan het verzamelen) waardoor de AllSky cam autonoom en "on the fly" kan herkennen wat hij waarneemt. Denk aan meteorieten, boliden, vliegtuigen, wolken, etc. De redenen om dit doen: het is interessant en een mooie introductie in het ML/AI gebied, het biedt allerlei interface/notificatie mogelijkheden en feitelijk ... omdat het kan! Overigens heb ik inmiddels ook ontdekt wat de IR verlichting van een security cam doet :-) ... flood light in het IR gebied, zie de 4de afbeelding. Ik heb nog geen definitieve waterdichte behuizing, ik zal de komende tijd gebruiken voor wat data verzameling en scripten van de software en zoeken van een goede behuizing. Wordt vervolgd! Het image zoals gebruikt om het PoC model te testen is copyright © Victor van Wulfen.image-20190723004852Screenshot 2019-07-22 at 13.41.07IMG_3200image-20190723000955

Geïnspireerd door het onvolprezen artikel van Kees (een van de velen): https://www.starry-night.nl/doe-het-zelf-project-draadloze-allsky-camera-met-raspberry-pi/ ben ik een een aantal weken geleden begonnen met de bouw van mijn AllSky cam. I.p.v. een Pi3b of 3b+ gebruik ik de recent verschenen Pi4 (2GB) versie. Een aantal voordelen zijn los van 1GB meer werkgeheugen (niet echt benodigd) t.o.v. zijn voorgangers twee USB3 poorten en een aanzienlijk hogere bedrijfstemperatuur. Vooral laatst genoemde kan voor een AllSky cam zomaar een voordeel in de winter (vorst) en qua condens opleveren (maar wellicht meer hotpixels). Voorts maken ZWO camera's ook graag gebruik van USB3 poorten. De AllSky software op Github is inmiddels geüpdate voor de PI4. Ik heb op basis van de Instructable link zoals in het artikel van Kees deze afgeleide build gevonden: https://www.instructables.com/member/das.shark/ waarin gebruik wordt gemaakt van een 3d print frame voor de PI en een ZWO ASI camera, in mijn geval ook een 290MC. Een vriend heeft deze voor mij vervaardigd. @wimengels vroeg in reactie op een topic van @musquetier wat eronder de ZWO camera zit (zie afbeelding 3). Ik heb in deze build een Google Coral (Edge USB Accelerator) toegevoegd. Deze stick kan een "machine learning inferencing" model draaien. Ik heb gisteren een Proof of Concept modelletje gebouwd waarin een image tegen het model wordt gehouden en wolken en/of meteorieten worden herkend (uitgedrukt in percentages, zie afb. 2). Kort door de bocht ... object herkenning. Een leuke introductie: Build a Teachable Machine with Coral’s USB Accelerator Ik ben voornemens een uitgebreid model te bouwen (en ben de data hiervoor aan het verzamelen) waardoor de AllSky cam autonoom en "on the fly" kan herkennen wat hij waarneemt. Denk aan meteorieten, boliden, vliegtuigen, wolken, etc. De redenen om dit doen: het is interessant en een mooie introductie in het ML/AI gebied, het biedt allerlei interface/notificatie mogelijkheden en feitelijk ... omdat het kan! Overigens heb ik inmiddels ook ontdekt wat de IR verlichting van een security cam doet :-) ... flood light in het IR gebied, zie de 4de afbeelding. Ik heb nog geen definitieve waterdichte behuizing, ik zal de komende tijd gebruiken voor wat data verzameling en scripten van de software en zoeken van een goede behuizing. Wordt vervolgd! Het image zoals gebruikt om het PoC model te testen is copyright © Victor van Wulfen.image-20190723004852Screenshot 2019-07-22 at 13.41.07IMG_3200image-20190723000955

Ik heb met een totale belasting van 9,4kg geen problemen ervaren.IMG_1679

De resultaten beginnen inderdaad beter te worden. Inzake de uitgerekte sterren is het de vraag of dit alleen door de reducer komt, suboptimale guiding/pooluitlijning lijkt mij ook nog iets om nader te onderzoeken. Tevens zou ik nog proberen de reflecties uit de imagetrain weg te werken, beginnende door het filter te verwijderen (kijken of dit de oorzaak is). De heldere sterren zijn uitgebrand, experimenteren met de belichtingstijd kan dus ook handig zijn. Je kunt in APP een artificial flatmaster aanmaken door onder Tools, Correct Vignetting te selecteren. Zie screenshots. Doorgaans werkt dit uitstekend.Screenshot 2018-08-07 at 17.07.57Screenshot 2018-08-07 at 17.10.30

De resultaten beginnen inderdaad beter te worden. Inzake de uitgerekte sterren is het de vraag of dit alleen door de reducer komt, suboptimale guiding/pooluitlijning lijkt mij ook nog iets om nader te onderzoeken. Tevens zou ik nog proberen de reflecties uit de imagetrain weg te werken, beginnende door het filter te verwijderen (kijken of dit de oorzaak is). De heldere sterren zijn uitgebrand, experimenteren met de belichtingstijd kan dus ook handig zijn. Je kunt in APP een artificial flatmaster aanmaken door onder Tools, Correct Vignetting te selecteren. Zie screenshots. Doorgaans werkt dit uitstekend.Screenshot 2018-08-07 at 17.07.57Screenshot 2018-08-07 at 17.10.30

Zie screenshot :-)Screenshot 2018-07-26 at 13.20.49

De race om de Einstein "telescope".DDL-20180719-02006HE009

Ik kwam laatst ergens een gouden wijsheid tegen voor onze hobby @marcoverstraaten ... een tegeltje :-) tilegenerator.php