了解如何在远程环境中使用Raspberry Pi上的机器学习（完整的蜂窝连接和太阳能！）。
硬件部件：

• Raspberry Pi 4 B型    ×    1个    
• 布鲁斯无线Notecard Raspberry Pi入门套件×    1个    
• Raspberry Pi摄像头模块V2×    1个    
• Adafruit PIR传感器×    1个    
• Adafruit T-Cobbler Plus×    1个    
• BigBlue便携式太阳能充电器42W×    1个    
• ROMOSS 30000mAh移动电源Sense 8+×    1个    
• Awclub ABS塑料接线盒×    1个    
• 面包板（通用）    ×    1个    

软件应用程序和在线服务

• Notehub.io    
• Twilio SMS消息传递API
• TensorFlow

我是一个简单的人。我一生想要的就是坐在我的后门廊上，喝着咖啡，看着喂食器上的鸟儿。
在实践中，您可能已经看到了机器学习（ML）的类似应用程序。识别鸟类是一种相当普遍且有趣的ML练习。我不是在这里重述现有教程，而是向您展示在断开连接的远程设置中该场景的概念验证实现。
对于我们许多人来说，一旦我们离开了住所的友好范围，WiFi信号就会下降。就我而言，我的喂鸟器不仅在WiFi范围之内，而且在电力范围之内（而且我想通过一根100英尺的延长线穿过我的院子，我想我会通过）。
因此，在这种情况下，远程是指REMOTE。我们将需要一个既提供蜂窝连接性又提供电池电量（由太阳能支持）的解决方案。
我们将构建一个基于ML的远程观鸟解决方案，该解决方案是：
电池供电（带太阳能充电器），
树莓派4
带有PIR运动传感器，
和一台Pi相机，
运行TensorFlow Lite运行时（使用Python），
通过手机发送已识别的鸟类数据，
并通过短信通知我们！
本教程旨在作为概念验证和相对简单的ML切入点，因此让我们一起玩吧。
SPOILER：下一个迭代将转向使用Raspberry Pi Pico，并将重点放在功率优化，ML模型优化和更可持续的解决方案上。敬请关注！
请观看以下视频：