AI CAMERA SETUP — Master Guide

Document tech — l’infrastructure de vision pour Jungle Lab OS

Pourquoi ce doc : ton lab AI-monitored = différenciateur brand majeur. Frigate + ESP32-CAM + Mac mini = stack qui transforme cabinet en R&D welfare. Ce guide = blueprint complète Phase 1 (4 caméras) → Phase 3 (29 caméras).

🎯 TL;DR — la stack AI vision Jungle Kabal

HARDWARE
├── 25-30× ESP32-CAM (modules wifi camera 200฿/each)
├── 2-3× USB cameras qualité (Logitech C922 / Brio 4K)
├── 1× Mac mini M2 Pro reconditionné (centre de calcul)
├── 1× SSD externe 2TB (recordings storage)
└── 1× Switch Gigabit + ethernet cables

SOFTWARE
├── Frigate NVR (open source, AI inference)
├── Home Assistant (automation orchestrator)
├── YOLOv8 custom models (training sur tes datasets)
└── Custom scripts (welfare scoring, alerts)

OUTPUT
├── Live monitoring 24/7 toutes espèces
├── Behavioral classification automatique
├── Welfare scores quantifiés
├── Alertes anomalies push iPhone
└── Datasets exportables → publications/produits

Investment Phase 1 : ~30 000 ฿ Investment full Phase 3 : ~50 000 ฿

🔧 Hardware breakdown

ESP32-CAM (les “eyes” du lab)

Spec module standard

ESP32-CAM AI-Thinker (le plus commun)
Caméra OV2640 2MP (basique) ou OV5640 5MP (premium)
WiFi intégré
200-300 ฿/module Lazada

Optimisation pour macro

❌ Lens stock = grand angle, mauvais pour macro insectes
✅ Swap M12 lens pour macro :
- Macro 8mm fixe = pour terras Mini
- Macro 12mm = pour Nano
- Variable focus M12 = flexibilité
- Coût : 100-200 ฿/lens

Power

USB 5V (utiliser USB hub powered 10-port = ~800 ฿)
Ou via PoE injector si setup pro
Auto-restart sur power loss

Custom housing 3D-printed (Bambu A1 ou P2S)

ABS Black ou PETG pour résistance humidité
OpenSCAD library to develop (Phase 1-2)
Mounting : ventouse / clip / vis selon emplacement

USB cameras qualité (Hero species)

Logitech C922 Pro (~3 000 ฿)

1080p 60fps
Excellent low-light
Use pour Mystrium (mandibles speed) ou Hyllus (eye tracking)

Logitech Brio 4K (~6 000 ฿)

4K 30fps
Premium pour content creation
1-2 maximum, pour vraies hero pieces (Honeypot, Mystrium)

Sony IMX-based USB (~4 000-8 000 ฿)

Quality sensor scientifique
Pour datasets training serious

Mac mini centre de calcul

Pourquoi Mac mini > PC build

✅ Silencieux (important pour appart)
✅ Low power consumption
✅ Frigate fonctionne nativement macOS / Docker
✅ Petit footprint
✅ Stable, low maintenance

Specs cibles

M2 Pro reconditionné : 18 000-22 000 ฿ (deal Lazada)
M2 base reconditionné : 14 000-18 000 ฿ (suffit pour 10-15 cameras)
M3/M4 new : 25 000-35 000 ฿ (overkill mais futur-proof)

RAM minimum

16 GB pour 15 cameras
24-32 GB pour 25-30 cameras

Storage

Boot drive : interne suffit
Recordings : SSD externe 2TB minimum = 3 000 ฿
- 25 cameras à low fps = ~50-100 GB/jour
- Rétention 14-30 jours = 1.5-3 TB

Network

Switch Gigabit (~800 ฿)

8 ports minimum
Tous les ESP32-CAM connectés via WiFi mais Mac mini en Ethernet stable
Cables Cat6 ~500 ฿

Router upgrade

Si router fournisseur Thai weak → router Ubiquiti / Asus mid-range (~3 000 ฿)
WiFi 6 préféré pour 25+ devices

🤖 Software stack

Frigate NVR (le cœur)

Open source, gratuit

Installation

# Sur Mac mini via Docker
docker run -d \
  --name frigate \
  --restart=unless-stopped \
  --device /dev/dri/renderD128 \
  -v /path/to/frigate/config:/config \
  -v /path/to/recordings:/media/frigate \
  -p 5000:5000 \
  ghcr.io/blakeblackshear/frigate:stable

Configuration cameras (frigate config.yaml)

mqtt:
  host: localhost
  
cameras:
  hyllus_diardi_main:
    ffmpeg:
      inputs:
        - path: rtsp://esp32-hyllus.local/stream
          roles:
            - detect
            - record
    detect:
      width: 640
      height: 480
      fps: 5
    motion:
      threshold: 30
      contour_area: 10
    record:
      enabled: True
      retain:
        days: 14
        mode: motion
    objects:
      track:
        - spider
        - prey

Capabilities

🎯 Object detection (custom YOLO)
🎬 Recording (motion-triggered ou continu)
🔔 Notifications via MQTT
📊 Metrics dashboard

Home Assistant (orchestration)

Pourquoi : Frigate fait detection, Home Assistant fait l’action (alerte, automation, dashboard).

Integration

Frigate → MQTT → Home Assistant
Dashboards custom par animal
Routines : “Si Mystrium pas active 24h, send notification”

Exemples automations

# Alert if cricket invasion in feeder colony
automation:
  - alias: "Cricket escape detection"
    trigger:
      platform: state
      entity_id: binary_sensor.frigate_cricket_outside_terra
      to: 'on'
    action:
      service: notify.mobile_app
      data:
        message: "Cricket escape detected in Tribolonotus terra"

YOLO custom models

Pour quoi :

Standard YOLO knows: person, car, dog, cat
Toi tu entraînes : worker_ant, replete, jumping_spider, prey, mue, etc.

Workflow training

Collect dataset : 100-500 images par class
Annotate : Label Studio ou CVAT
Train : Roboflow (cloud) ou YOLOv8 local
Deploy model dans Frigate
Iterate : weekly improvement

Roboflow Universe

Public datasets disponibles (parfois “ant”, “spider” exist)
Tu uploads tes annotations = contribue communauté
R&D Jungle Kabal devient public asset

📍 Plan de déploiement camera Phase 1-2-3

Phase 1 (mois 1-2) — 6 caméras minimum

1. ESP32-CAM hero #1 : Hyllus diardi (close-up macro)
2. ESP32-CAM hero #2 : Mystrium nest (visibility chamber)
3. ESP32-CAM hero #3 : Mystrium outworld
4. ESP32-CAM wide   : Cabinet général (overview)
5. USB cam premium  : Honeypot Mexicanus (flagship)
6. ESP32-CAM hero #4 : Tribolonotus (when Phase 2)

→ 6 cameras = baseline AI lab opérationnel

Phase 2 (mois 3-6) — 14 cameras

Add :

7-8.   Mystrium colony detail (replete count if applicable)
9.     Diacamma colony
10.    Harpegnathos colony
11.    Phidippus regius
12.    Hyllus giganteus
13.    Tribolonotus zone water
14.    Wide cabinet 2 (autre angle)

Phase 3 (mois 6-9) — 25-29 cameras

Add :

15-16. Theloderma paludarium (multi-angle)
17.    Aplopeltura boa (vertical)
18.    Pareas
19.    Geosesarma
20.    Phyllocrania mantis
21.    Hymenopus mantis
22.    Idolomantis (when arrives)
23-24. Drosos cultures monitoring
25.    Achatina breeding bac
26.    Cricket/Dubia colony
27.    Quarantine zone (always-on)
28.    Wide cabinet 3
29.    Lab activity (toi qui travailles, time-lapse)

🛠 Setup étape par étape (Phase 1)

Hardware procurement (~30 000 ฿)

□ Mac mini M2 reconditionné (Lazada)        : 18 000 ฿
□ SSD externe 2TB                            : 3 000 ฿
□ 6× ESP32-CAM AI-Thinker                    : 1 800 ฿
□ 6× M12 macro lens                          : 1 200 ฿
□ 1× Logitech C922 Pro (hero camera)         : 3 000 ฿
□ Switch Gigabit 8-port                      : 800 ฿
□ Câbles Ethernet Cat6 + USB hub powered    : 1 500 ฿
□ Imprimante 3D filaments PETG/ABS pour housings : 800 ฿
TOTAL                                        : ~30 100 ฿

Software setup

J+1  : Setup Mac mini, install macOS clean
J+2  : Install Docker, Frigate, Home Assistant
J+3  : Test ESP32-CAM unique : firmware + RTSP stream
J+4  : 3D print housing standard (Bambu)
J+5  : Deploy 1 camera complete (Hyllus)
J+6  : Train initial YOLO sur jumping spider dataset
J+7  : Validate full pipeline end-to-end
J+8+ : Scale to 6 cameras

3D printed housing standard (à designer Phase 1)

Specs recommandées :

Material : PETG noir (résistant humidité)
Mount : magnetic ou clip terra
Cable management : passage USB/power propre
IP54+ : étanche éclaboussures (paludariums)
Aération : pas de surchauffe ESP32

OpenSCAD library à construire et publier sur GitHub Phase 2.

🎯 Use cases AI lab par animal

Hyllus diardi

Eye tracking (yeux télescopiques)
Jump detection (high-speed cam)
Pre-molt prediction (refus alimentaire + cocoon)

Mystrium camillae

Mandible strike detection (slow-mo)
Trophallaxis events (queen + larvae)
Worker activity cycle day/night

Honeypot Mexicanus (flagship)

Replete count temporal
Worker traffic in/out chambers
Color change repletes (diet tracking)

Tribolonotus

Welfare scoring vertébré (1er du roster)
Vocalization detection stress
Pair social dynamics
Activity cycles

Drosos cultures

Population estimation
Production cycle tracking
Renewal alerts (“culture #3 needs renewal”)

🚨 Problèmes courants

ESP32 disconnect aléatoire

Cause : WiFi weak ou puissance USB
Solution : USB hub powered + ESP32 plus proche router

Frigate utilization 100%

Cause : trop de cameras pour Mac mini RAM
Solution : reduce fps detect cam by cam, use motion-only recording

YOLO faux positifs

Solution : fine-tune model avec dataset spécifique
Patience 1-2 mois training/iteration

Storage full

Solution : retention policy 14 jours max + motion-only recording

🎯 Decision helper

J'ajoute une camera AI ?
│
├── Animal hero (top 5 brand) ?
│   ├── OUI → USB cam premium (3-6k)
│   └── NON → ESP32-CAM standard (200฿)
│
├── Espèce nécessite welfare scoring ?
│   ├── OUI → AI training data prioritaire
│   └── NON → simple motion record OK
│
├── Mac mini bandwidth disponible ?
│   ├── NON → upgrade Mac OU postpone
│   └── OUI → continue
│
└── Setup terra final (pas en mouvement) ?
   ├── NON → wait setup stable
   └── OUI → 🟢 install

🌐 Vision long-terme — Jungle Lab OS

Phase 1-3 : Lab privé fonctionnel Phase 4+ (sanctuary trajectory) : Open source la stack

Jungle Lab OS = open source software based on:
├── Frigate (already OSS)
├── Home Assistant (already OSS)
├── Custom YOLO models (your trained datasets)
├── Custom welfare scoring algorithms
└── Documentation + recipes

Distributed via:
├── GitHub (chris-blvck/jungle-lab-os)
├── Docker images
├── Documentation hub
└── Community Discord

→ Tu deviens le maintener du standard de facto pour AI-monitored animal welfare en sanctuaires.

🎬 Brand angle

Le AI lab = différenciateur radical :

“Pendant que les autres regardent leurs animaux, nous les comprennons. 29 caméras, 1 Mac mini, des modèles ML entraînés sur 12 mois de comportements. Ce n’est pas du surveillance — c’est de la science amateur sérieuse.”

Contenus :

🎥 Time-lapse setup process
📊 Dashboard public live (anonymisé) sur biolab-smoky.vercel.app
📝 Articles : “Comment AI rend le welfare scoring objectif”
🤖 Open source releases progressives

🔗 Ressources

Frigate docs : docs.frigate.video
Home Assistant : home-assistant.io
YOLO Ultralytics : docs.ultralytics.com
Roboflow : roboflow.com (annotation + cloud training)
ESP32-CAM tutos : RandomNerdTutorials.com
Bangkok 3D printing community : Facebook “3D Print Thailand”

Document v1.0 — 5 mai 2026 Document vivant — update au fil deploiement réel.