IoT を使ってお猫様の健康 (体重) をモニタリングしてみた

2024-03-04
日常で楽しむクラウドテクノロジー

Author : 市川 純

無料クーポン特典の詳細 » 
X ポスト »
 シェア »
 はてブ »

こんにちは、プロトタイピングソリューションアーキテクトの市川です。

我が家ではネコを飼っているのですが、餌をあげればあげるほど食べてしまう食いしん坊なネコです。もっと欲しいと甘えてくるので、ついあげてしまった結果、余計なお肉がついてしまったようです。

そんなこともあり、日頃から体重の変化をモニタリングできた方がいいなと思い、自作してみることにしました。

とはいえ、ネコは自分から体重計に乗ってくれるわけではないので、 1 日に数回必ずくるトイレの下に体重計を設置することで、自動的に計る仕組みにしました。

注意: 正しくネコの健康を管理したい場合は、商品化されているものを利用する方がより簡単に、正確な健康管理ができます

トイレの下に置くとほとんど見えないですね　(矢印のところ)。ネコもまさかトイレの度に体重が計られているなんて、これなら気づかれません。

自作するにあたって、以下の方針を考えました。

  • 可愛いネコの様子も見たいので、動画を撮影して体重と一緒に撮影したい
  • なるべく少ない実装で済ませたい
    • 独自の UI で一覧や動画再生を用意したくない
  • 体重の計測ができたら、わかるようにしたい
    • トイレ掃除タイミングがわかりやすい

というわけで、 UI 側をどうするか検討したところ、使い方に合いそうなのが Slack だったので、アーキテクチャはこのような形になりました。

一通り完成すると、このようなメッセージが Slack に投稿されます。

目次

1. 利用するデバイス

2. 環境の構築

2-1. Slack のアプリケーションを登録
2-2. AWS Systems Manager の Parameter Store の登録
2-3. AWS Cloud Development Kit (AWS CDK) のデプロイ

3. AWS IoT Greengrass の準備

4. コンポーネントのデプロイ

4-1. GDK のセットアップ
4-2. コンポーネントの登録
4-3. コンポーネントのデプロイ

5. まとめ

ご注意

本記事で紹介する AWS サービスを起動する際には、料金がかかります。builders.flash メールメンバー特典の、クラウドレシピ向けクレジットコードプレゼントの入手をお勧めします。

*ハンズオン記事およびソースコードにおける免責事項 »

このクラウドレシピ (ハンズオン記事) を無料でお試しいただけます »

毎月提供されるクラウドレシピのアップデート情報とともに、クレジットコードを受け取ることができます。 

今すぐ特典を受け取る »

1. 利用するデバイス

このブログでは主に以下のデバイスを利用しています。(配線やコネクターは適宜用意してください)

センサーが接続できる GPIO が必要であり、動画の撮影用のカメラの接続ができ、開発に使う言語も慣れた Python が使えるということで、デバイスとしては Raspberry Pi 4 Model B メモリ 4G を採用しました。カメラには USB で接続できる ロジクールの Web カメラ を利用しています。

重さを計る時に使うセンサーは、ロードセルと呼ばれる物で、歪みによって変化する抵抗値によって得られる電気信号を AD コンバータモジュール (HX711) を利用して測定できます。今回は 5 kg を計測できるロードセルとモジュールのセットを 2 つ用意します (5 kg のロードセルを 2 つ使うこと 10 kg まで計測ができ、ネコの体重とトイレの重さを考えると今のところ十分)

センサーと Raspberry Pi のワイヤリングはこのようになっています。

  GPIO HX711
センサー 1 5v VCC
GND GND
17 SCK
27 DOUT
センサー 2 5v VCC
GND GND
23 SCK
24 DOUT

クリックすると拡大します

ロードセルは歪むことで重さを計ることができますので、板の間に固定します。今回はベースにアルミの板を使い、上部には中が見えるように 5 mm 厚のアクリル板を使用しています。

2. 環境の構築

今回は AWS Cloud Development Kit (AWS CDK) のサンプルソース を用意していますので、ダウンロードして利用するとクラウド側に必要な設定が準備できます。

サンプルソースのダウンロード »

サンプルのデプロイの前にいくつか準備が必要ですので、まずは準備を行います。説明のコマンドは、Linux ベースでの説明となっています。また、AWS Lambda 関数 は Arm アーキテクチャを指定しているため、Ubuntu 20.04、 Armアーキテクチャの Amazon EC2 インスタンス (t4g.medium) を起動し、作業を進めるとトラブルが起きずに進められると思います。

また、AWS のリソースを操作する際にはクレデンシャル情報が必要となります。十分な権限を持つクレデンシャルを用意し、環境変数へ設定してください。

export AWS_ACCESS_KEY_ID=
export AWS_SECRET_ACCESS_KEY=
export AWS_DEFAULT_REGION=ap-northeast-1

2-1. Slackのアプリケーションを登録

今回は動画を投稿したいため、incomming web hook ではなく、ファイルアップロード用の API を利用します。この API を利用するためには、 Slack にアプリケーションを登録し token の発行が必要です。そのための作業は Slack の 公式のドキュメント を参考に進めてください。アプリケーションに必要となる権限は以下の 2 つでした。

  • Bot Token Scopes の files:write
  • User Token Scopes の files:write

アプリケーションを作成したら Bot User OAUth Token の値をメモしておきます。
次に、通知先のチャンネルを作成し Channel ID をメモしておきます。

2-2. AWS Systems Manager の Parameter Store の登録

作成した Slack の情報をソースコードにハードコードするのは良くないので、 Parameter Store に保存し、Lambda が利用するときに参照するようにします。以下の aws cli コマンドで Slack の情報を Parameter Store へ登録してください。your channel id と your token は実際の値に置き換えてください。

aws ssm put-parameter \
--name "/NekoSensor/NotifyToken" \
--type "SecureString" \
--value "{\"channel\":\"your channel id\",\"token\":\"your token\"}"

2-3. AWS Cloud Development Kit (AWS CDK) のデプロイ

AWS CDK は使い慣れたプログラミング言語で記述することで AWS のリソースを柔軟に管理・構築することができるツールです。 AWS CDK をあまり利用したことがない場合は、以下の AWS Blackbelt Online セミナーを見ることをお勧めします。

AWS CDK は複数の言語に対応していますが、このサンプルでは Typescript を利用して記述しています。今回のサンプルは以下のバージョンの環境で作成しています。

node --version

v20.10.0

npm --version

10.2.3

python3 --version

Python 3.9.6

ここからは、サンプルソースを AWS CDK の実行できる環境にダウンロードし、デプロイを行います。
まずは、AWS CDK スタックで必要となるライブラリをインストールします。

cd path/to/unziped-folder
npm install

対象のリージョンで初めて AWS CDK を利用する場合は、ブートストラップが必要になりますので、以下のコマンドを実行します。CDK がインストールされていない場合は、こちらを参考 にセットアップしてください。

cdk bootstrap

以下のコマンドで、デプロイを行います。途中で Do you wish to deploy these changes (y/n)? と聞かれたら y を入力してください。Lambda layer のビルドで Docker を必要とします。Error: spawnSync docker ENOENT というエラーが表示されたら、Docker のインストールを行ってください。

cdk deploy

デプロイが完了すると以下のような出力があります。これらの値は、後の作業で必要になりますので、メモしてください。(AWS CloudFormation のマネージメントコンソールで NekoScaleStack の Output でも確認することができます)

Outputs:
NekoScaleStack.GreengrassCredentialEndpointXXXXXX = <AWS IoT Core のクレデンシャルエンドポイント>
NekoScaleStack.GreengrassGreengrassComponentBucketNameXXXXXX = <AWS IoT Greengrass のコンポーネントを保持する Amazon S3 バケット>
NekoScaleStack.GreengrassGreengrassTokenExchangeRoleXXXXXX = <AWS IoT Greengrass が利用する Token Exchange Service が利用する Role>
NekoScaleStack.GreengrassRecordDataBucketNameXXXXXX = <動画がアップロードされる Amazon S3 バケット>
NekoScaleStack.GreengrassRoleAliasXXXXXX = ScaleGgTesRoleAlias

3. AWS IoT Greengrass の準備

AWS IoT Greengrass の準備を始める前に、Raspberry Pi に SSH で入り、以下の作業を行います。OS のセットアップなどは、公式のドキュメント を参考に進めてください。

今回テストで利用した Raspberry Pi の情報は以下となります。

uname -a

Linux raspberrypi 6.1.0-rpi7-rpi-v8 #1 SMP PREEMPT Debian 1:6.1.63-1+rpt1 (2023-11-24) aarch64 GNU/Linux

AWS IoT Greengrass の実行には Java を必要とします。また、コンポーネントの利用するライブラリのインストールで pip コマンドを必要としますので、以下の手順でインストールします。

sudo apt update
sudo apt install software-properties-common python3-pip
wget -O- https://apt.corretto.aws/corretto.key | sudo apt-key add - 
sudo add-apt-repository 'deb https://apt.corretto.aws stable main'
sudo apt update
sudo apt install -y java-11-amazon-corretto-jdk

AWS IoT Greengrass のインストーラーを取得します。

curl -s https://d2s8p88vqu9w66.cloudfront.net/releases/greengrass-nucleus-latest.zip > greengrass-nucleus-latest.zip && unzip greengrass-nucleus-latest.zip -d GreengrassInstaller

--tes-role-name には AWS CDK のデプロイ後の表示された値を指定して、インストールを実行します。(実行する前に環境変数に十分な権限を持つ AWS のクレデンシャルを指定してください)

sudo -E java -Droot="/greengrass/v2" \
-Dlog.store=FILE -jar ./GreengrassInstaller/lib/Greengrass.jar \
--aws-region ap-northeast-1 \
--thing-name NekoScale \
--thing-group-name NekoScaleGroup \
--tes-role-name <AWS CDK デプロイ時に表示された NekoScaleStack.GreengrassGreengrassTokenExchangeRoleXXXXXX> \
--tes-role-alias-name ScaleGgTesRoleAlias \
--component-default-user ggc_user:ggc_group \
--provision true --setup-system-service true

以下のコマンドでログが確認できますので、正しく起動していることを確認しましょう。

sudo tail -f /greengrass/v2/logs/greengrass.log

4. コンポーネントのデプロイ

ここまでの作業でクラウド側とデバイスの準備ができました。サンプルソースにはコンポーネントのサンプルも含まれていますので、ここではコンポーネントの登録とデプロイについて紹介します。

4-1. GDK のセットアップ

コンポーネントは GDK を用いて作成されています。GDK コマンドを利用できるよう予め GDK のセットアップが必要です。下記のコマンドを用いて サンプルソースがあるローカル PC (または EC2 インスタンス) に GDK をセットアップしてください。

python3 -m pip install git+https://github.com/aws-greengrass/aws-greengrass-gdk-cli.git

バージョンを確認します。

gdk --version

gdk 1.6.2

4-2. コンポーネントの登録

コンポーネントのディレクトリに移動し、まずはビルドを行います。コードの変更を行った場合は、クラウドに登録する前に必ずビルドを行います。(実行する前に環境変数に十分な権限を持つ AWS のクレデンシャルを指定してください)

cd gdk/NekoScale
gdk component build

コンポーネントを登録します。オプションの --bucket には、AWS CDK デプロイ時に表示された値を指定します。

gdk component publish --bucket <CDKデプロイ時に表示された NekoScaleStack.GreengrassGreengrassComponentBucketName の値>

正常に終了したら、 AWS IoT Greengrass の マネジメントコンソール を開き、コンポーネントが登録されていることを確認します。

4-3. コンポーネントのデプロイ

AWS IoT Greengrass では、今回のように独自で作成したコンポーネントだけではなく、 AWS で用意しているよく利用されるユースケースに便利な機能を持つコンポーネントも提供しています。サンプルのコンポーネントでは、 Stream Manager という AWS のいくつか (AWS IoT Analytics, AWS SiteWise, Amazon S3) のサービスへデータをエクスポートしてくれるコンポーネントを利用しています。

コンポーネントのデプロイは、 Greengrass Deployments の画面から行います。左のメニューで「Deployments」を選択し、「Create」ボタンから進みます。

クリックすると拡大します

「Name」にわかりやすい名称を入力し、 「Target Type」では Thing Group を選択し Neko Scale Group をドロップダウンで指定します。「Next」で次へ進みます。

クリックすると拡大します

My components では登録した com.example.NekoScale にチェックをつけます。

Public components では、クラウド側でログが確認できるように aws.greengrass.LogManager も選択していますが、こちらは選択しなくても良いです。(クラウドのアップロードを有効にすると、その分コストがかかります)

「Next」で次に進みます。

クリックすると拡大します

「Configure components」の画面では、コンポーネントに対して個別の設定を行います。

編集するコンポーネントを選択し「Configure components」ボタンを選択します。

クリックすると拡大します

サンプルのコンポーネントでは、撮影した動画のアップロード先の S3 バケットを指定する必要があるため、以下の画面のように JSON で設定値を指定します。

設定したら「Confirm」で保存します。

{
    "S3BucketName": "AWS CDK デプロイ後に表示された `NekoScaleStack.GreengrassRecordDataBucketName の値"
}

クリックすると拡大します

aws.greengrass.LogManager も選択していた場合は、同じようにコンポーネントの設定を開き以下の JSON を指定すると、AWS IoT Greengrass のログと、サンプルのコンポーネントのログを Amazon CloudWatch Logs にアップロードしてくれます。

{
    "logsUploaderConfiguration": {
        "systemLogsConfiguration": {
            "uploadToCloudWatch": "true",
            "minimumLogLevel": "INFO",
            "diskSpaceLimit": "10",
            "diskSpaceLimitUnit": "MB",
            "deleteLogFileAfterCloudUpload": "false"
        },
        "componentLogsConfigurationMap": {
            "com.example.NekoScale": {
                "minimumLogLevel": "INFO",
                "diskSpaceLimit": "20",
                "diskSpaceLimitUnit": "MB",
                "deleteLogFileAfterCloudUpload": "false"
            }
        }
    },
    "periodicUploadIntervalSec": "300",
    "deprecatedVersionSupport": "false"
}

Configure advanced settings は「Next」で進み、Review の画面で確認したら「Deploy」ボタンを選択してデプロイを行います。

デプロイが完了すると、画面のように Successed が表示されます。

クリックすると拡大します

以上で、一通りの準備が完了しました。あとは、実際にネコがトイレで用を足すと、 Slack のチャンネルに以下のように通知してきます。

準備ができましたので、あとはネコがトイレに来るのを待つだけです。Slack への投稿イメージは冒頭で紹介し多様なものですが、このような動画が添付されます。トイレの様子が見えて可愛いですね。

また、アーキテクチャ図にある Amazon CloudWatch では何をしているかというと、計測した体重をカスタムメトリックスとして登録しています。CDK ではそのメトリックスを使ってダッシュボードも作成しているので、体重の推移も確認することができます。

5. まとめ

いかがでしたでしょうか ? これで安心して可愛いネコの健康をチェックしつつ、おやつをあげたいと思います。

今回のサンプルではまだ間違いなく体重を計るコードには詰めきれておらず、誤検出や重さが違うなど改善点はまだまだありそうです。以下に重さの変化を図にしてみましたが、結構考えることが多いですね。

これらの点が改善できると、ウ⚪︎チの重さがわかったり、より精度の高い体重計が作れると思います。また、ロードセルを 100 kg ぐらい計測できるタイプに変えれは、自分用のスマート体重計も作れますね。人間の場合は、乗った後にそれほど動き回らないので、判定処理をもっとスッキリさせることができそうです。

皆様も是非チャレンジしていただければと思います。

Nyantech ハンズオンシリーズのその他の記事はこちら

選択
  • 選択
  • 機械学習を使って写真に写っている猫を見分けてみよう！ ~ 前編 : Amazon SageMaker Ground Truth を使った画像のラベリング ~
  • 機械学習を使って写真に写っている猫を見分けてみよう！ 〜中編：Amazon Rekognition Custom Labels を使った機械学習モデルの作成
  • 機械学習を使って写真に写っている猫を見分けてみよう！ 〜後編：Amazon SageMaker を使った機械学習モデルの作成
  • たくさんの写真の中からうちの子 (猫) をみつけよう ! 〜機械学習と Amazon Elasticsearch Service で類似画像検索
  • Nyantech とはじめる MLOps 〜学習パイプランを使って効率的に猫を見分ける機械学習モデルを目指そう ! の巻〜
  • 猫の画像を使ってあそぶブラウザゲームを作ろう ! 〜AWS Cloud Development Kit (AWS CDK)で簡単デプロイ〜
  • Nyantech 画像生成選手権 ~ 画像生成 AI を使ってお題に近い猫の画像を生成しよう ! の巻
  • 1 クリックで立ち上がる自分だけの環境で、お猫様の画像生成をやってみた。
  • 1 クリックで立ち上がる自分だけの環境で、お猫様の画像生成をやってみた。- 拡張編 -
  • Nyantech であの猫のこんな写真を見つけたい ~ マルチモーダル埋め込みモデルを使って類似画像検索をパワーアップ ~
  • IoT を使ってお猫様の健康 (体重) をモニタリングしてみた
  • Nyantech マルチエージェントでぴったりのオトモを見つけよう !

builders.flash メールメンバーへ登録することで
AWS のベストプラクティスを毎月無料でお試しいただけます

メンバー特典を受け取る » 

筆者プロフィール

市川 純
アマゾン ウェブ サービス ジャパン合同会社
AWS Prototyping Team シニア プロトタイピング ソリューションアーキテクト

2018年 に AWS へ入社し、主にIoTに関連するプロトタイピングを提供しています。Web サービスから家のデッキ作りまで、モノを作るという事であれば何でも好きな DIY おじさんです。ここ数年の趣味はバイクでツーリングに行ったりキャンプに行くことです。

X ポスト »
 シェア »
 はてブ »

AWS を無料でお試しいただけます

AWS 無料利用枠の詳細はこちら ≫
5 ステップでアカウント作成できます
無料サインアップ ≫
ご不明な点がおありですか?
日本担当チームへ相談する