UPDATE 31.10.: Amazon Alexa - ioBroker Skill läuft aus ?

[Atifan]

Kann es sein, dass der Server nen Memoryleak hat? Bei mir war der Webserver nicht mehr erreichbar, da habe ich den Server mal neu gestartet.
Dabei it mir aufgefallen, dass der Speicherverbrauch langsam immer weiter angestiegen ist bis auf über 6GB. Nach dem Reboot wieder bei 700-800 MB.

[pfried]

@Atifan Guten Morgen, das Memory Leak sitzt in der Tensorflow Biblothek und ist weiter oben von jomjol beschrieben. Abhilfe: alle 3 - 6 Stunden den Docker mit .... sudo docker container restart [ID]..... neu starten.
https://github.com/tensorflow/tensorflow/issues/33009

[Atifan]

Ah ok Danke, dann ist es ja bekannt und wird evtl. irgendwann gefixt :)

[watcherkb]

@Atifan mich würden deine Proxmox-Settings zu dem Docker-Container interessieren. Bei mir hat es immer ein Problem mit Speicher zu klein gegeben beim ersten Pull des Docker-Containers.
Welches OS hast du genommen und welche Hardwaresettings?

[Atifan]

Habe eine 10GB Partition. Darauf Debian 10.2.0.
Habe dem dann 8 Cores und 8GB RAM genehmigt :)
Im Moment ist der RAM-Verbrauch aber nur bei 1,4GB.
Es dauert schon paar Tage bis der RAM auf 6GB oder höher ist.

[watcherkb]

@Atifan ok, und in dieser VM dann Docker? Nach welcher Anleitung bist du denn vorgegangen?

[Atifan]

Ja auf der VM habe ich dann Docker installiert.
Ich bin aber leider nicht mehr sicher wie ich das genau gemacht habe.
Ich glaub nach der Anleitung hier: https://docs.docker.com/install/linux/docker-ce/debian/
Ich hatte aber glaube ich irgendwelche kleinere Probleme wo ein Befehl nicht funktionierte.
Habe dann in einem Linux-Discord Hilfe bekommen und dann hats funktioniert.

Wenn dann Docker installiert ist dann hier nach der Anleitung das Docker-Image installieren: https://hub.docker.com/r/jomjol/wasserzaehler

[Atifan]

Das Memoryleak verschlingt ungefähr ca. 50MB/h.
Lasse jetzt duch nen cronjob jede Nacht rebooten:
0 0 * * * root docker container restart b6c4d6ccc8b3

[C1500]

Servus

Nachdem ich den Fokus noch mal nachstellen wollte, hab ich mir dabei die Kamera geschrottet.
Also noch einen ESP32-CAM bestellt
Und schwups ist auch bei diesem die Linse in 20 Teile zerfallen.

Um jetzt nicht noch mehr ESP32-CAM rum liegen zu haben wollte ich mal Fragen ob einer eine Bezugsquelle für die Kamera einzeln hat.

Also wo bekommt man die Kamera auch einzeln zu einem guten Preis?

Gruß C1500

[watcherkb]

@C1500 guck mal bei Aliexpress, da gibt es die Cameras auch einzeln.

[pfried]

@C1500 Oder wenn Du es eilig hast dann bei Amazon:

ningxiao586 Kameramodul Entwicklungsboard OV2640 Adapter T Kamera Plus ESP32 DOWDQ6 8MB SPRAM

Leider 9 Euro da Versandspesen von 4 Euro, da bekommt man aber schon einen ESP32Cam (mit Camera)
Ich habe mit dem Fischauge Objektiv keine positiven Erfahrungen machen können. Aber vielleich habe ich was falsch gemacht.

[Atifan]

Entweder günstig für 2,08 Eur über China:
https://www.ebay.de/itm/OV2640-2-0MP-1-4-Inch-Camera-Mega-Pixels-CMOS-SCCB-Interface-Image-Sensor-Module/173840843447?hash=item2879b8c2b7:g:waEAAOSwXHpcjzcJ

oder etwas teurer für 8 Eur mit Cam aus DE
https://www.ebay.de/itm/ESP32-CAM-ESP32-5V-WIFI-bluetooth-Entwicklungsboard-mit-Kamera-OV2640-modul-DE/352939410230?hash=item522cd40336:g:6rwAAOSwRjteJCKu

[Atifan]

Ich hab übrigens seit einiger Zeit auf den Bildern die die CAM macht 2 Bereiche mit schwarzen Balken, welche auch nach einem Reboot nicht verschwinden.
Hat einer ne Ahnung was das sein kann, ist da evtl. die Linse defekt oder was am ESP32-Modul?
Im Moment funktioniert die Cam ohne Einschränkungen, da die Balken noch ausserhalb des relevanten Bereichs sind.

[doublesib]

Hallo, ich habe es bei mir aktuell auch recht stabil am laufen.
Aber gerade zu dem letzten Post von @Atifan habe ich eine Frage.
Wie bekommt man ein so gestochen scharfes Bild mit einem ESP 32 mit OV2640 cam.
Oder hast du eine andere Cam oder externe Ausleuchtung. Denn auch wenn es bei mir läuft eine leichte Schattenbildung bei den Analogzeigern lässt sich nicht vermeiden.
Danke :)

[Atifan]

Hi,
habe normale ESP-CAM, ESP32 mit OV2640.
Habe die Linse verstellt.
Abstand ist wichtig, sind bei mir genau 10cm zwischen Wasseruhr und Linse.
Die Wasseruhr befindet sich hinter einer Holzvertäfelung, d.h. dort ist es dunkel.
Die Beleuchtung macht nur das Flashlight der Cam.
In der config capture ich die Bilder mit folgendem Link: http://192.168.178.238/capture_with_flashlight?quality=10&size=SVGA

[watcherkb]

bei mir sieht es auch beschissen aus, funktioniert aber. Hängt halt vom Wasserzählertyp ab wie gut das wird. Ich habe noch eine Scheibe auf der ist alles beschriftet. Diese wirft auch Schatten.

[jomjol]

@Atifan sagte in Wasserzähler - Selfmade:

Ich hab übrigens seit einiger Zeit auf den Bildern die die CAM macht 2 Bereiche mit schwarzen Balken, welche auch nach einem Reboot nicht verschwinden.
Hat einer ne Ahnung was das sein kann, ist da evtl. die Linse defekt oder was am ESP32-Modul?
Im Moment funktioniert die Cam ohne Einschränkungen, da die Balken noch ausserhalb des relevanten Bereichs sind.

Das Problem habe ich auch seit einige Zeit - bei mir ist es ein Balken am oberen Rand. Ich vermute, dass nach mehr als einem Jahr die Kamera langsam einen Schaden nimmt. Ist halt doch etwas feucht über der kalten Wasseruhr.
Eventuell könnte ein anderes Deckeldesign helfen, in dem nur noch die Leuchte und die Kamera durch kleine Fenster offen gehalten werden und der Rest im "Trockenraum" ist und wärmer und mit weniger Feuchte.
Wäre eine Version 2.1, muss ich mal überdenken.

[pfried]

@jomjol Guten Abend jomjol, ich habe im Beitrag 605 eine Lösung gegen die Feuchtigkeit vorgestellt. Probier doch das mal aus. Ich habe seit dem kein einziges mal mehr ein angelaufenes Schauglas oder sonstige Feuchtigkeit im Aufbau. Einfach herumwickeln und mit einem Spagat festzurren.

Kostenpunkt circa 17,-- Euro

[Atifan]

Also bei mir rennt der Wasserzähler-Sensor jetzt sehr gut und zuverlässig mit meiner aktuellen Config

[Imagesource]
TimeoutLoadImage=30
#IP durch die IP des ESP32 ersetzen!
URLImageSource=http://192.168.178.238/capture_with_flashlight?quality=10&size=SV                                                                                              GA
#LogImageLocation=./log/source_image
# Falls nur schlechte / fehlerhafte Bilder gelockt werden sollen, naechste Zeile                                                                                               Kommentar entfernen
#LogOnlyFalsePictures=True

[ConsistencyCheck]
Enabled=True
ReadPreValueFromFileAtStartup=True
#Maximum Time spanning since last startup for use of preValue from Filestorage i                                                                                              n minutes
ReadPreValueFromFileMaxAge=525600

AllowNegativeRates=True
#Stores the last Value in a file for the case of a restart (e.g. Docker containe                                                                                              r after update)
#Maximum Change of new to old value (+ or -)
MaxRateValue=0.5
#Return in Case of Error: Value = OldValue or NewValue
#                         ErrorMessage = Return Text with problem (seperated by                                                                                               Tabstopp) if nothing, then no error message
#                         Readout = Real Readout without corrections (NewValue)
ErrorReturn=OldValue, ErrorMessage, Readout
#ErrorReturn=OldValue, ErrorMessage
#ErrorReturn=NewValue, ErrorMessage


[AnalogReadOut]
#If enabled analog counters will be read, if disabled only digital counters will                                                                                               be read.
Enabled=True

[alignment]
initial_rotation_angle=0

[alignment.ref0]
image=./config/Ref_M100_x547_y193.jpg
pos_x=547
pos_y=193

[alignment.ref1]
image=./config/Ref_m3_x456_y158.jpg
pos_x=456
pos_y=158

[alignment.ref2]
image=./config/Ref_x0_x321_y421.jpg
pos_x=321
pos_y=421

[Digital_Digit]
names=ziffer1, ziffer2, ziffer3, ziffer4, ziffer5
Modelfile=./config/neuralnets/Train_CNN_Digital-Readout_Version_4.1.0.h5
#LogImageLocation=./log/digital_digit
#LogNames=zeiger3, zeiger4

[Analog_Counter]
names=zeiger1, zeiger2, zeiger3, zeiger4
Modelfile=./config/neuralnets/CNN_Analog-Readout_Version-4.0.1.h5
#LogImageLocation=./log/analog_counter
#LogNames=zeiger3, zeiger4

[Analog_Counter.zeiger1]
pos_x=491
pos_y=262
dx=125
dy=125

[Analog_Counter.zeiger2]
pos_x=432
pos_y=395
dx=125
dy=125

[Analog_Counter.zeiger3]
pos_x=298
pos_y=446
dx=125
dy=125

[Analog_Counter.zeiger4]
pos_x=157
pos_y=383
dx=125
dy=125


[Digital_Digit.ziffer1]
pos_x=203
pos_y=164
dx=36
dy=55

[Digital_Digit.ziffer2]
pos_x=248
pos_y=164
dx=36
dy=55

[Digital_Digit.ziffer3]
pos_x=295
pos_y=166
dx=36
dy=55

[Digital_Digit.ziffer4]
pos_x=343
pos_y=167
dx=36
dy=55

[Digital_Digit.ziffer5]
pos_x=390
pos_y=167
dx=36
dy=55
$

[jomjol]

Hallo zusammen,

ich habe eine neue Version zunächst in die Rolling Versionen (Synology und Raspberry) eingespielt.
Es ist ein Update auf Tensorflow 2.1. Vielleicht ist damit das Speicherleck behoben. Ich habe leider keine Zeit es zu testen, freue mich aber über jedes Feedback.

Beste Grüße,
jomjol