Home Assistant Hassio RPi

[userAnon]

Μόλις τώρα, liakjim είπε

Αυτός είναι αφυγραντήρας. Κλιματιστικό θα ήθελα να συνδέσω.

μπερδευτηκα.. νομίζω όμως ότι και πάλι το tuya local μπορεί να κάνει..χρειάζεται δοκιμή

 

tuya-local/DEVICES.md at main · make-all/tuya-local · GitHub

[userAnon]

έχω βάλει shelly 2.5 στο παντζούρι και στην τέντα

η τέντα  όταν είναι κλειστή στην θέση (position) δίνει 0 (που με βολεύει)

στο παντζούρι αντίθετα όταν είναι κλειστό δίνει position 100 (και με μπερδεύει).

Υπάρχει τρόπος να αλλάξω στο παντζούρι το 0 = κλειστό και 100 = ανοιχτό?

(έκανα και 2 calibration, το πρώτο το είχα κάνει με το παντζούρι ανοιχτό και το δεύτερο με κλειστό αλλά δεν άλλαξε κάτι)

[than2031995]

Στις 11/11/2022 στις 7:49 ΜΜ, userAnon είπε

στο παντζούρι αντίθετα όταν είναι κλειστό δίνει position 100 (και με μπερδεύει).

Υπάρχει τρόπος να αλλάξω στο παντζούρι το 0 = κλειστό και 100 = ανοιχτό?

Δεν μπορέι να μην έχει επιλογή στο web ui του Shelly για invert 

[userAnon]

1 ώρα πριν, than2031995 είπε

Δεν μπορέι να μην έχει επιλογή στο web ui του Shelly για invert 

ξαναμπήκα στην εφαρμογή και τελικά το πρόβλημα είναι με την σύνδεση. Βασικά έχουν συνδεθεί ανάποδα τα πανω κάτω στην εφαρμογή, και όταν γίνει reverse (το είχα κάνει) αλλάξει και η μέτρηση. Για να το φτιάξω πρέπει να το συνδέσω σωστά, αλλά προς το παρόν το αφήνω γιατί είναι αρκετά στριμωγμένο.. και θα χάσω αρκετή ώρα.. 

[_filippos_]

Δυστυχώς η κάρτα sd που είχα το home assistant τα έφτυσε και τώρα προσπαθώ να ξανα φτιάξω το rpi-3b+ με usb ssd.

Παρατηρώ όμως μια αστάθεια στο μηχάνημα. Μήπως οι τελευταίες εκδόσεις του home assistant έγιναν βαριές με αποτέλεσμα να ανεβάζει θερμοκρασία το rpi-3b+ (χωρίς fan) και να κολλά;

Επίσης, σηκώνει την 64bit έκδοση ή μήπως καλύτερα να του περάσω την 32bit ?

[than2031995]

3 ώρες πριν, _filippos_ είπε

Δυστυχώς η κάρτα sd που είχα το home assistant τα έφτυσε και τώρα προσπαθώ να ξανα φτιάξω το rpi-3b+ με usb ssd.

Παρατηρώ όμως μια αστάθεια στο μηχάνημα. Μήπως οι τελευταίες εκδόσεις του home assistant έγιναν βαριές με αποτέλεσμα να ανεβάζει θερμοκρασία το rpi-3b+ (χωρίς fan) και να κολλά;

Επίσης, σηκώνει την 64bit έκδοση ή μήπως καλύτερα να του περάσω την 32bit ?

H 64bit είναι μια χαρά (και πια η προτεινόμενη). Αστάθεια κατά πιο τρόπο; Έχεις βάλει system_monitor integration να δεις πως συμπεριφέρεται η CPU/RAM/Θερμοκρασία του Rpi? Φλάσαρες το HAOS κατευθείαν στον SSD, μπούταρες και restore το backup σου?

[_filippos_]

Δεν ξέρω τι συμβαίνει αλλά του πέρασα την έκδοση 32bit, έκανα restore απο το backup και όλα οκ τώρα.
Με την 64bit είχα θεματάκια. Σαν να κολλούσε η συσκευή;
2μιση ώρες και δεν είχε ολοκληρώσει το restore απο backup ενώ στην 32bit έκδοση το έκανε σχετικά γρήγορα.

[G.U.S+]

Καλημέρα

Πρόσφατα έπεσε στα χέρια μου μια κάμερα της tapo την οποία θέλησα να βάλω στην εγκατάστασή μου με την βοήθεια του frigate. 
Τρέχω λοιπόν HA OS σε ένα RPi4 με 8GB ram και για την ώρα δεν έχω κάποιο accelerator. Από την κάμερα παίρνω ανάλυση 1080p. 
Το πρόβλημα είναι η διαχείρηση, κατανάλωση της μνήμης. Αναλυτικότερα μετά από εκκίνηση του συστήματος έχοντας το addon και το intergration ενεργά η κατανάλωση της μνήμης αργά αλλά σταδιακά αυξάνει σε σημείο τέτοιο ώστε μετά από λίγες ώρες τερματίζει τους πόρους του συστήματος και κρεμάει σε αντίθεση με την CPU η οποία παραμένει σε χαμηλά επίπεδα.
Ακόμη και με την κάμερα σε idle κατάσταση χωρίς motion, detection, recording το πρόβλημα παραμένει και δεν μπορώ να καταλάβω τι φταίει.
Παραθέτω και το frigate.yaml σε περίπτωση που βοηθάει.
Ευχαριστώ

 

Spoiler

mqtt:
  host: ip
  user: xxxxxxx
  password: xxxxxxx
   
cameras:
  Front_Balcony:
    ffmpeg:
      hwaccel_args: -c:v h264_v4l2m2m
      inputs:
        - path: rtsp://user:pass@ip:554/stream2
          roles:
            - detect
        - path: rtsp://user:pass@ip:554/stream1
          roles:
            - record
    detect:
      width: 640
      height: 360
      fps: 5
    objects:
      track:
        - person
      filters:
        person:
          min_area: 500
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      required_zones:
        - frontbalcony_zone
      crop: true
      height: 500
      retain:
        default: 3
    zones:
      frontbalcony_zone:
        coordinates: 0,189,0,261,0,360,122,360,152,360,237,360,326,360,412,360,498,360,581,360,640,360,640,287,640,127,392,79,204,57,166,89,151,77,83,54,45,55,0,70,0,150
        objects:
        - person
    motion:
      mask:
        - 300,0,0,0,0,0,0,22,0,45,158,32
        - 416,72,416,40,409,22,391,0,350,0,320,22,318,61
    record:
      enabled: True
      events:
        retain:
          default: 3
          mode: motion
        required_zones:
          - frontbalcony_zone
        pre_capture: 5
        post_capture: 15
    rtmp:
      enabled: False

detectors:
  cpu1:
    type: cpu
  cpu2:
    type: cpu

 

 

[mechpanos]

22 ώρες πριν, G.U.S+ είπε

Καλημέρα

Πρόσφατα έπεσε στα χέρια μου μια κάμερα της tapo την οποία θέλησα να βάλω στην εγκατάστασή μου με την βοήθεια του frigate. 
Τρέχω λοιπόν HA OS σε ένα RPi4 με 8GB ram και για την ώρα δεν έχω κάποιο accelerator. Από την κάμερα παίρνω ανάλυση 1080p. 
Το πρόβλημα είναι η διαχείρηση, κατανάλωση της μνήμης. Αναλυτικότερα μετά από εκκίνηση του συστήματος έχοντας το addon και το intergration ενεργά η κατανάλωση της μνήμης αργά αλλά σταδιακά αυξάνει σε σημείο τέτοιο ώστε μετά από λίγες ώρες τερματίζει τους πόρους του συστήματος και κρεμάει σε αντίθεση με την CPU η οποία παραμένει σε χαμηλά επίπεδα.
Ακόμη και με την κάμερα σε idle κατάσταση χωρίς motion, detection, recording το πρόβλημα παραμένει και δεν μπορώ να καταλάβω τι φταίει.
Παραθέτω και το frigate.yaml σε περίπτωση που βοηθάει.
Ευχαριστώ

 

  Απόκρυψη περιεχομένων

mqtt:
  host: ip
  user: xxxxxxx
  password: xxxxxxx
   
cameras:
  Front_Balcony:
    ffmpeg:
      hwaccel_args: -c:v h264_v4l2m2m
      inputs:
        - path: rtsp://user:pass@ip:554/stream2
          roles:
            - detect
        - path: rtsp://user:pass@ip:554/stream1
          roles:
            - record
    detect:
      width: 640
      height: 360
      fps: 5
    objects:
      track:
        - person
      filters:
        person:
          min_area: 500
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      required_zones:
        - frontbalcony_zone
      crop: true
      height: 500
      retain:
        default: 3
    zones:
      frontbalcony_zone:
        coordinates: 0,189,0,261,0,360,122,360,152,360,237,360,326,360,412,360,498,360,581,360,640,360,640,287,640,127,392,79,204,57,166,89,151,77,83,54,45,55,0,70,0,150
        objects:
        - person
    motion:
      mask:
        - 300,0,0,0,0,0,0,22,0,45,158,32
        - 416,72,416,40,409,22,391,0,350,0,320,22,318,61
    record:
      enabled: True
      events:
        retain:
          default: 3
          mode: motion
        required_zones:
          - frontbalcony_zone
        pre_capture: 5
        post_capture: 15
    rtmp:
      enabled: False

detectors:
  cpu1:
    type: cpu
  cpu2:
    type: cpu

 

 

Γράψε στο frigate support https://github.com/blakeblackshear/frigate/discussions απαντάνε σε κάθε τι, από όσο έχω δει. Δεν βλέπω κάτι περίεργο στο yaml σου! Το περίεργο είναι που σου γονατίζει τη μνήμη, και δεν σου γονατίζει τη cpu... Φαντάζομαι για 1 κάμερα και σε τέτοια ανάλυση που έχεις βάλει το detect, θα είναι ΟΚ...

[Theo X]

Στις 11/12/2022 στις 11:37 ΠΜ, G.U.S+ είπε

Καλημέρα

Πρόσφατα έπεσε στα χέρια μου μια κάμερα της tapo την οποία θέλησα να βάλω στην εγκατάστασή μου με την βοήθεια του frigate. 
Τρέχω λοιπόν HA OS σε ένα RPi4 με 8GB ram και για την ώρα δεν έχω κάποιο accelerator. Από την κάμερα παίρνω ανάλυση 1080p. 
Το πρόβλημα είναι η διαχείρηση, κατανάλωση της μνήμης. Αναλυτικότερα μετά από εκκίνηση του συστήματος έχοντας το addon και το intergration ενεργά η κατανάλωση της μνήμης αργά αλλά σταδιακά αυξάνει σε σημείο τέτοιο ώστε μετά από λίγες ώρες τερματίζει τους πόρους του συστήματος και κρεμάει σε αντίθεση με την CPU η οποία παραμένει σε χαμηλά επίπεδα.
Ακόμη και με την κάμερα σε idle κατάσταση χωρίς motion, detection, recording το πρόβλημα παραμένει και δεν μπορώ να καταλάβω τι φταίει.
Παραθέτω και το frigate.yaml σε περίπτωση που βοηθάει.
Ευχαριστώ

 

  Απόκρυψη περιεχομένων

mqtt:
  host: ip
  user: xxxxxxx
  password: xxxxxxx
   
cameras:
  Front_Balcony:
    ffmpeg:
      hwaccel_args: -c:v h264_v4l2m2m
      inputs:
        - path: rtsp://user:pass@ip:554/stream2
          roles:
            - detect
        - path: rtsp://user:pass@ip:554/stream1
          roles:
            - record
    detect:
      width: 640
      height: 360
      fps: 5
    objects:
      track:
        - person
      filters:
        person:
          min_area: 500
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      required_zones:
        - frontbalcony_zone
      crop: true
      height: 500
      retain:
        default: 3
    zones:
      frontbalcony_zone:
        coordinates: 0,189,0,261,0,360,122,360,152,360,237,360,326,360,412,360,498,360,581,360,640,360,640,287,640,127,392,79,204,57,166,89,151,77,83,54,45,55,0,70,0,150
        objects:
        - person
    motion:
      mask:
        - 300,0,0,0,0,0,0,22,0,45,158,32
        - 416,72,416,40,409,22,391,0,350,0,320,22,318,61
    record:
      enabled: True
      events:
        retain:
          default: 3
          mode: motion
        required_zones:
          - frontbalcony_zone
        pre_capture: 5
        post_capture: 15
    rtmp:
      enabled: False

detectors:
  cpu1:
    type: cpu
  cpu2:
    type: cpu

 

 

Το μόνο σχετικό που βρήκα είναι ένα θέμα routing που δε νομίζω να έχει σχέση με το δικό σου πρόβλημα.

Άσχετο, προτείνεται η ανάλυση του detect να είναι η μισή ή το 1/4 της ανάλυσης της κάμερας. πχ αν η κάμερα σου είναι 1920x1080, να ορίζεις detect 960x540 ή 480x270 που μειώνει το φόρτο της cpu.

[mechpanos]

2 λεπτά πριν, Theo X είπε

Άσχετο, προτείνεται η ανάλυση του detect να είναι η μισή ή το 1/4 της ανάλυσης της κάμερας. πχ αν η κάμερα σου είναι 1920x1080, να ορίζεις detect 960x540 ή 480x270 που μειώνει το φόρτο της cpu.

Το έχει κάνει, είναι σε 640*360 το detect, ενώ το record είναι στο stream1 που θα είναι fullhd.

[Theo X]

Εδώ κάτι γίνεται...

Αναφορά σε κείμενο

I stopped the Frigate add-on, deleted the folder /media/frigate with the Terminal add on, then, just in case, also reinstalled the Frigate Add-On. This resolved the above memory issues for me.

 

[DioNiSis_000]

Στις 11/12/2022 στις 11:37 ΠΜ, G.U.S+ είπε

Καλημέρα

Πρόσφατα έπεσε στα χέρια μου μια κάμερα της tapo την οποία θέλησα να βάλω στην εγκατάστασή μου με την βοήθεια του frigate. 
Τρέχω λοιπόν HA OS σε ένα RPi4 με 8GB ram και για την ώρα δεν έχω κάποιο accelerator. Από την κάμερα παίρνω ανάλυση 1080p. 
Το πρόβλημα είναι η διαχείρηση, κατανάλωση της μνήμης. Αναλυτικότερα μετά από εκκίνηση του συστήματος έχοντας το addon και το intergration ενεργά η κατανάλωση της μνήμης αργά αλλά σταδιακά αυξάνει σε σημείο τέτοιο ώστε μετά από λίγες ώρες τερματίζει τους πόρους του συστήματος και κρεμάει σε αντίθεση με την CPU η οποία παραμένει σε χαμηλά επίπεδα.
Ακόμη και με την κάμερα σε idle κατάσταση χωρίς motion, detection, recording το πρόβλημα παραμένει και δεν μπορώ να καταλάβω τι φταίει.
Παραθέτω και το frigate.yaml σε περίπτωση που βοηθάει.
Ευχαριστώ

 

  Απόκρυψη περιεχομένων

mqtt:
  host: ip
  user: xxxxxxx
  password: xxxxxxx
   
cameras:
  Front_Balcony:
    ffmpeg:
      hwaccel_args: -c:v h264_v4l2m2m
      inputs:
        - path: rtsp://user:pass@ip:554/stream2
          roles:
            - detect
        - path: rtsp://user:pass@ip:554/stream1
          roles:
            - record
    detect:
      width: 640
      height: 360
      fps: 5
    objects:
      track:
        - person
      filters:
        person:
          min_area: 500
    snapshots:
      enabled: true
      timestamp: true
      bounding_box: true
      required_zones:
        - frontbalcony_zone
      crop: true
      height: 500
      retain:
        default: 3
    zones:
      frontbalcony_zone:
        coordinates: 0,189,0,261,0,360,122,360,152,360,237,360,326,360,412,360,498,360,581,360,640,360,640,287,640,127,392,79,204,57,166,89,151,77,83,54,45,55,0,70,0,150
        objects:
        - person
    motion:
      mask:
        - 300,0,0,0,0,0,0,22,0,45,158,32
        - 416,72,416,40,409,22,391,0,350,0,320,22,318,61
    record:
      enabled: True
      events:
        retain:
          default: 3
          mode: motion
        required_zones:
          - frontbalcony_zone
        pre_capture: 5
        post_capture: 15
    rtmp:
      enabled: False

detectors:
  cpu1:
    type: cpu
  cpu2:
    type: cpu

 

 

από την  έκδοση 2022,12 εμφανίστηκε ενα πρόβλημα με την κατανάλωση μνήμης στις ffmpeg κάμερες. σήμερα το πρωί βγήκε το update 2022,12,3  που το διορθώνει .

κανε το  αν δεν το εχεις κάνει ακόμα και δες αν διορθώθηκε.

[G.U.S+]

43 λεπτά πριν, DioNiSis_000 είπε

από την  έκδοση 2022,12 εμφανίστηκε ενα πρόβλημα με την κατανάλωση μνήμης στις ffmpeg κάμερες. σήμερα το πρωί βγήκε το update 2022,12,3  που το διορθώνει .

κανε το  αν δεν το εχεις κάνει ακόμα και δες αν διορθώθηκε.

Πράγματι εκεί που είχα πελαγώσει μετά τα σημερινά update ως δια μαγείας το πρόβλημα με την κατανάλωση μνήμης λύθηκε, έχει πλέον σταθεροποιηθεί στο 22% και ο επεξεργαστής στο 33% έχοντας προσθέσει πλέον και 2ρη κάμερα.

Ευχαριστώ πολύ για την βοήθεια ...🙂

[mechpanos]

1 ώρα πριν, G.U.S+ είπε

Πράγματι εκεί που είχα πελαγώσει μετά τα σημερινά update ως δια μαγείας το πρόβλημα με την κατανάλωση μνήμης λύθηκε, έχει πλέον σταθεροποιηθεί στο 22% και ο επεξεργαστής στο 33% έχοντας προσθέσει πλέον και 2ρη κάμερα.

Ευχαριστώ πολύ για την βοήθεια ...🙂

Πώς τα πάει το pi με τις 2 κάμερες και το person detection??