猫2匹を見分けるカメラを作る (1) ── Raspberry Pi 4 + Coral 環境構築

はじめに

Coral USB アクセラレーターの使い道を考えていたところ、猫2匹のどちらがどのご飯を食べているかを判別して録画する、というシステムを思いつきました。猫の食事場所には人間の足も映り込むので、不要なフレームをスキップする処理も必要です。

最終的には以下のような構成になります。

この記事は、Claudeとチャットでやり取りしながら手順を組み立てたものを記事化しています。AIが出力した手順をそのまま転載するのではなく、実機で動作確認しながらフィードバックを返して修正を重ね、最終的に動いた構成だけを整理しています。途中でハマった箇所も「試行錯誤メモ」として記載しているので、同じ道を通る人の参考になれば幸いです。

なお、Raspberry Pi公式のHAT型のAIアクセラレーター（AI HAT+ 2等）というのがありますが、PCIe接続のためRaspberry Pi 5専用です。Coral USB アクセラレーターであればUSB接続なのでRaspberry Pi 4でも利用できます。
また、Raspberry Pi AI Camera（IMX500搭載）も検討しましたが、Pi 5向けの設計らしくPi 4だとAI機能を活かしきれないという話があり、モデルの柔軟性を優先して Coral USB を選びました。

シリーズ構成：

• 本記事 (1)：環境構築（ハードウェア、OS、Coral、Python環境）
• (2) データ収集と最初のモデル：実装、データ収集、Colabでの学習、本番運用
• (3) 誤判定を直して精度を上げる：（後日公開）
• 番外編 Webアプリのコード詳解

完成イメージ

ハードウェア構成

Raspberry Pi OS のセットアップ

使用したOSバージョン

Raspberry Pi OS Lite (64-bit) の Trixie (Debian 13) ベース版を使用しました。執筆時点で公式から提供されている最新版です。

旧バージョン（Bookworm = Debian 12）を使う場合、システムPythonが3.11または3.12になるため、本記事の手順（システムPython 3.13でpicamera2を使う前提）と一部異なる可能性があります。

OSのインストール

Raspberry Pi Imager で Raspberry Pi OS (64-bit) を microSD に書き込みます。Lite版でもDesktop版でもOKですが、今回はLite版（コンソールのみ）で進めます。

書き込み前に歯車アイコンから以下を設定しておくと楽です。

• ホスト名
• ユーザー名・パスワード
• Wi-Fi
• SSH有効化

システム更新

sudo apt update && sudo apt upgrade -y

sudo パスワード省略

頻繁にsudoを叩くので、パスワード入力を省略します。

sudo visudo -f /etc/sudoers.d/pi-nopasswd

pi ALL=(ALL) NOPASSWD: ALL

pi

HDD をルートディスクにする

SDカードは書き込み回数が多いと劣化するので、録画ファイルなどを書き込む先はHDDにしたいところですが、今回はOSのルートディスクごとHDDに移してSDカードの劣化を最小限にします。

パーティション作成

lsblk                    # デバイス名確認（通常 /dev/sda）
sudo fdisk /dev/sda

fdisk内で以下を実行します。

g        # GPTパーティションテーブル作成
n        # 新規パーティション
1        # パーティション番号
[Enter]  # 開始セクター（デフォルト）
[Enter]  # 終了セクター（デフォルト=全容量）
w        # 書き込んで終了

フォーマットとUUID確認

sudo mkfs.ext4 /dev/sda1
sudo blkid /dev/sda1
# UUID="a1b2c3d4-..." をメモ

ルートファイルシステムのコピー

sudo mkdir /mnt/hdd
sudo mount /dev/sda1 /mnt/hdd
sudo rsync -axv / /mnt/hdd/

容量によりますが、それなりに時間がかかります。

fstab を編集

sudo nano /mnt/hdd/etc/fstab

/

/boot/firmware

proc

UUID=<HDDのUUID>     /              ext4  defaults,noatime  0  1
UUID=<元のbootUUID>  /boot/firmware vfat  defaults          0  2
proc                  /proc          proc  defaults          0  0

noatime

cmdline.txt を編集（スピンアップ待ち対策）

sudo nano /boot/firmware/cmdline.txt

root=

rootwait rootdelay=10

root=UUID=<HDDのUUID> rootwait rootdelay=10

rootwait

rootdelay=10

systemd のタイムアウト調整

sudo nano /mnt/hdd/etc/systemd/system.conf

DefaultTimeoutStartSec=120s

再起動して確認

sudo umount /mnt/hdd
sudo reboot

# 再起動後
df -h /
# /dev/sda1 と表示されればOK

HDD化後の追加設定

rootをHDDに移したことで、SDカード前提のデフォルト設定を見直します。

swap の拡張

Raspberry Pi OSのデフォルトはswapが100MBです。rootがHDDに移っているのでswapもHDD上に作られます。SDカードと違い耐久性を気にする必要がないので、余裕を持たせておきます。

# 現在のswap状況確認
free -h
swapon --show

Lite版にはdphys-swapfileが入っていない場合があるのでインストールします。

sudo apt install -y dphys-swapfile

sudo nano /etc/dphys-swapfile

CONF_SWAPSIZE=1024

sudo dphys-swapfile swapoff
sudo dphys-swapfile setup
sudo dphys-swapfile swapon

# 確認
free -h

8GBあれば通常は余裕がありますが、AI推論中はtflite-runtimeやOpenCVがメモリを使うのでswapがあると安全です。HDDはSDカードと違い書き込み耐久性を気にする必要がないので、余裕を持たせておきます。

tmpfs の確認

/tmp

/run

mount | grep tmpfs

/tmp

/run

HDDのスピンダウンは設定しない

長時間アクセスがない場合にHDDを停止させるスピンダウン設定がありますが、今回は設定不要です。

catmonitorサービスがカメラループで常時動作しており録画ファイルもHDDに書き込むため、実質的にHDDへのアクセスが途切れません。スピンダウンが発生してもすぐスピンアップが必要になり、むしろモーターへの負荷が増えます。常時稼働のシステムではスピンダウンは逆効果です。

Coral USB アクセラレーターのセットアップ

EdgeTPU ランタイムのインストール

公式ドキュメントの手順は古く、Bookworm以降では

apt-key

curl -fsSL https://packages.cloud.google.com/apt/doc/apt-key.gpg | \
  sudo gpg --dearmor -o /usr/share/keyrings/coral-edgetpu-archive-keyring.gpg

echo "deb [signed-by=/usr/share/keyrings/coral-edgetpu-archive-keyring.gpg] \
  https://packages.cloud.google.com/apt coral-edgetpu-stable main" | \
  sudo tee /etc/apt/sources.list.d/coral-edgetpu.list

sudo apt update
sudo apt install libedgetpu1-std

認識確認

Coral USB をUSB 3.0ポート（できればセルフパワーUSBハブ経由）に接続して確認します。

lsusb
# "Global Unichip Corp." または "Google Inc." が表示されればOK

末尾の

Global Unichip Corp.

1a6e:089a

18d1:9302 Google Inc.

Python 環境の構築

このシステムは2つのPython環境を使い分けます。

picamera2

tflite-runtime

カメラと推論の処理を別プロセスに分離し、MJPEGストリーム経由でフレームを共有する設計です。

Python 3.11 のソースビルド

Raspberry Pi OS Trixieには

python3.11

ビルドツールをインストールします。

sudo apt install -y build-essential zlib1g-dev libncurses5-dev \
  libgdbm-dev libnss3-dev libssl-dev libreadline-dev \
  libffi-dev libsqlite3-dev libcap-dev

ソースをダウンロードしてビルドします。

wget https://www.python.org/ftp/python/3.11.9/Python-3.11.9.tgz
tar xzf Python-3.11.9.tgz
cd Python-3.11.9

./configure --enable-optimizations --enable-shared
sudo make altinstall

# 共有ライブラリのパスを通す
echo "/usr/local/lib" | sudo tee /etc/ld.so.conf.d/python311.conf
sudo ldconfig

ラズパイ4でのビルドは30〜60分かかります。

altinstall

python3.11 --version
# Python 3.11.9 と表示されればOK

# 共有ライブラリが見えるか確認
python3.11 -c "import sysconfig; print(sysconfig.get_config_var('Py_ENABLE_SHARED'))"
# → 1 と表示されればOK

システム Python 3.13 用パッケージのインストール

カメラサーバー（catcamera）はシステムPython 3.13で動かすので、picamera2を入れます。

sudo apt install -y python3-picamera2

確認します。

python3 -c "from picamera2 import Picamera2; print('ok')"
# → ok と表示されればOK

uv のインストール

3.11側の仮想環境とパッケージ管理にはuvを使います。pipより速く、依存関係の解決も賢いです。

curl -LsSf https://astral.sh/uv/install.sh | sh
source $HOME/.local/bin/env

プロジェクト構成と仮想環境

mkdir -p /home/pi/cat_project/{scripts,models,dataset,recordings,logs}
cd /home/pi/cat_project

uv venv --python python3.11
source .venv/bin/activate

systemdサービスは

User=pi

sudo

# オーナーがpiになっているか確認
ls -la /home/pi/cat_project/

# rootになっていた場合は修正
sudo chown -R pi:pi /home/pi/cat_project/

ライブラリのインストール

uv pip install "numpy<2" tflite-runtime opencv-python-headless pillow flask gdown imagehash

カメラの認識確認

V1（OV5647）を含む公式カメラはlibcameraで動作します。

# カメラの認識確認
rpicam-hello --list-cameras
# ov5647 [2592x1944] と表示されればOK

# OpenCVからカメラを使うために必要なパッケージ
sudo apt install -y libcamera-dev python3-libcamera

ImageNet 標準モデルのダウンロード

学習済みモデルが用意できるまでの動作確認用に、Coralの学習済みモデル（ImageNet）をダウンロードしておきます。EdgeTPU推論が動作することを確認する用途で使います。

cd /home/pi/cat_project/models

wget https://github.com/google-coral/edgetpu/raw/master/test_data/mobilenet_v2_1.0_224_quant_edgetpu.tflite
wget https://raw.githubusercontent.com/google-coral/edgetpu/master/test_data/imagenet_labels.txt

EdgeTPU推論の動作確認

tflite-runtime

libedgetpu

source /home/pi/cat_project/.venv/bin/activate

python -c "
import tflite_runtime.interpreter as tflite

interpreter = tflite.Interpreter(
    model_path='/home/pi/cat_project/models/mobilenet_v2_1.0_224_quant_edgetpu.tflite',
    experimental_delegates=[tflite.load_delegate('/usr/lib/aarch64-linux-gnu/libedgetpu.so.1')]
)
interpreter.allocate_tensors()
print('Coral via tflite-runtime: OK')
"

Coral via tflite-runtime: OK

Fan SHIM のセットアップ

Pimoroni の Fan SHIM を使っている場合、ドライバを入れないとファンが常時全力回転します。CPUの温度に応じて自動でON/OFFするよう設定します。

ライブラリのインストール

Fan SHIMの制御にはGPIOアクセスが必要なため、システム全体（venv外）にインストールします。

sudo apt install -y python3-rpi.gpio python3-pip git
pip install fanshim psutil --break-system-packages

# automatic.py を使うためリポジトリをクローン
git clone https://github.com/pimoroni/fanshim-python /home/pi/fanshim-python

systemd サービスの作成

sudo nano /etc/systemd/system/fanshim.service

[Unit]
Description=Fan SHIM Controller
After=local-fs.target
Requires=local-fs.target

[Service]
Type=simple
User=pi
ExecStart=/usr/bin/python3 -u /home/pi/fanshim-python/examples/automatic.py \
  --on-threshold 65 \
  --off-threshold 55 \
  --delay 2
Restart=on-failure
RestartSec=5

[Install]
WantedBy=multi-user.target

sudo systemctl daemon-reload
sudo systemctl enable fanshim
sudo systemctl start fanshim

# 動作確認
sudo systemctl status fanshim

温度の確認

# 現在のCPU温度
vcgencmd measure_temp

# 2秒ごとにモニタリング
watch -n 2 vcgencmd measure_temp

温度閾値の考え方

--on-threshold

--off-threshold

--delay

Coralが推論を肩代わりするのでCPU温度はそれほど上がりませんが、データ収集中やファイル転送中など負荷が上がる場面もあるので65/55℃が適切です。

まとめ

ここまでで環境構築は完了です。最終的なディレクトリ構成は以下のようになります。

cat_project/
├── .venv/              # uv の仮想環境（Python 3.11）
├── scripts/            # （次の記事で配置）
├── models/
│   ├── mobilenet_v2_1.0_224_quant_edgetpu.tflite
│   └── imagenet_labels.txt
├── dataset/            # (次の記事で各カテゴリの画像を保存)
├── recordings/
└── logs/

次回は、このベースの上に「データ収集 → 振り分け → 学習 → 本番運用」を実装していきます。

• 次の記事 (2) データ収集と最初のモデル
• (3) 誤判定を直して精度を上げる：（後日公開）
• 番外編 Webアプリのコード詳解