Rent a Chicken

Im Rahmen der Vorlesung Prototypen und Redesign haben wir Rent a Chicken, den ersten funktionsfähigen Hühner Dolmetscher entwickelt.

Ausgangsproblem

Die Standards der Hühnerhaltung zur Produktion von Eiern sind meist intransparent und nicht tiergerecht. Die Wertschätzung, die den Hühnern zuteilwerden sollte ist oft unzureichend. Zudem gibt es zu Eiern keine adäquate Alternative und die Wenigsten haben das Know-how oder die Möglichkeit sich eigene Hühner zu halten.

Lösung

Rent a Chicken versteht Hühner besser als alle anderen. Mit unserer innovativen AI können wir anhand des Gackerns mit unseren Hühnern kommunizieren und so feststellen, ob sie gerade ein Ei gelegt haben.
Der erste Hühnerdolmetscher!
Mithilfe unserer AI und einer dazugehörigen App, soll es jedem tiergerechten Hühnerhalter möglich sein, einfach und unkompliziert Eier zu verkaufen. User/innen können über unsere App die Hühner mieten, sie live sehen, den aktuellen Eierstand einsehen und die Eier abholen.
Mit Rent a Chicken wollen wir Regionalität und das Gemeinschaftsgefühl in Orten mit teilnehmenden Hühnerhalter/innen fördern. Angetrieben hat uns aber vor allem die Idee, ein Konzept zu entwickeln, bei dem die Hühner artgerecht und liebevoll gehalten werden. Die User/innen können sich ein Stück Natur und Bauernhof direkt über ihr Handy in das eigene zu Hause holen und tragen somit für mehr Nachhaltigkeit und mehr Wertschätzung für Hühner und Hühnerhaltung bei.

Prozess

UI/UX

Moodboards und Farbe

Gestartet haben wir hier mit Moodboards, um ein Gefühl für das Thema zu bekommen und haben aus diesen die Farben für unsere Gestaltung entwickelt.

Entstanden sind dabei folgende Farben für unsere Gestaltung:

Typographie

Für unsere App haben wir uns für die Schrift Airbnb Cereal Font entschieden, da sie modern wirkt und durch ihren rundlichen Charakter zusätzlich sehr freundlich ist.

Low Fidelity

Hier beispielhaft eine kleine Auswahl an Low Fidelity Varianten:

Mid Fidelity

Hier beispielhaft eine kleine Auswahl an Mid Fidelity Varianten:

Stack

Frontend

Einführung

Zu Beginn bekommen die User/innen eine kurze Einführung und müssen anschließend einen Hof wählen, von dem sie Hühner mieten möchten.

Hauptansicht

Unser Frontend ist in drei Bereiche untergliedert. Auf der Hautseite ist der Eicounter zu finden, worin die User/innen einsehen können wie viele Eier momentan für sie abholbereit sind und können den Abholvorgang über den integrierten Button „abholen“ bestätigen. Auch ein Überblick der gemieteten Hühner und anderer Hühner auf dem Hof findet die User/innen auf der Startseite. Außerdem ist eine Live Cam Übertragung vorhanden damit die User/innen ihre Hühner authentisch erleben können. Ein weiterer wichtiger Punkt auf der Home Seite ist die Profilansicht. Dort können die Mieter/innen ihre Zahlungsart ändern, kündigen oder auch den Hof wechseln.
Weitere Bestandteil der App ist die Rubrik „Wissen“ in der die User/innen jederzeit neues über ihre gemieteten Tierfreunde lernen können.
Die letzte Rubrik beinhaltet eine Weckfunktion. Die Mieter/innen können sich jeden morgen live mit dem Hahn bzw. Hähnen ihres Hofs wecken lassen, um noch näher mit dem Hofleben verbunden zu sein. Wahlweise lässt sich auch eine individuelle Uhrzeit einstellen

Raspberry Pi

Der Raspberry Pi, der durch Kamera und SIM-Stick erweitert wird, befindet sich direkt am Ort des Geschehens, nämlich dem Hühnerstall. Über die Kamera werden Audioaufnahmen der Geräuschkulisse im Hühnerstall gemacht und abgespeichert. Aufgenommen wird nur, wenn ein bestimmter Wert für Lautstärke und Bewegungsgrad überschritten wird. Festgesetzt wird das in einem Motion-Detection Script auf dem Raspberry Pi. Eine Audioaufnahme dauert immer 10 Sekunden an. Ein weiteres Script auf dem Raspberry erkennt, dass eine neue Audioaufnahme abgespeichert wird und lässt diese durch die AI laufen. Daraufhin analysiert unsere AI die im WAV-Format abgespeicherten Dateien. Erkennt sie das einzigartige Gackern, das Hühner machen, nachdem sie ein Ei gelegt haben, wird per MQTT eine Eins an das Backend geschickt.

AI

Das Projekt basiert auf einer AI, die mithilfe von Python und TensorFlow arbeitet. Die Datenbank Tensorflow hat eine vorgefertigte Audio-AI, die man mit Python trainieren kann und eigenen Daten einbinden kann.

Wie funktioniert die AI ?

Wie oben beschrieben, wird die AI mit verschiedenen Audiodateien gefüttert. Um die AI zu entwickeln haben wir diese anfangs selber im Stall aufgenommen, zusammengeschnitten und kategorisiert nach gewöhnlichem Gackern und Gackern, nachdem ein Ei gelegt wurde. Damit die AI die Audioaufnahmen verarbeiten kann, müssen die Audioaufnahmen durch ein Python Script in 1 Sekunde lange Audioaufnahmen cutten und sie anschließend in Spektrogramme verwandeln.

Die AI hat so dann einen großen Datensatz zur Verfügung mit dem sie lernen und predicten kann. Unser Model lernt in 50 Epochen, und in jeder Epoche werden alle Audiodateien durchgegangen und predicted und gelernt.

Nachdem die AI gelernt hat, wird sie in einem Modell abgespeichert. Dann kann sie von verschiedenen Python Scripts angesprochen werden und gibt uns ihr Predict als Antwort wieder.

In unserem Fall wertet die AI anhand von 10 Spektrogrammen aus, ob ein Ei gelegt wurde oder nicht.