Files
boc/vims-core/README.md
T

62 lines
1.7 KiB
Markdown
Raw Normal View History

# VIMS Core — Visual Infrastructure Monitoring System
Generiskt ramverk för AI-driven avvikelseigenkänning per artikel/ämne.
## Koncept
Varje Landvex-artikel representerar ett övervakningsområde. Varje område får:
- **Egen databas** med anpassat schema
- **Egen AI-modell** (YOLOv8-baserad)
- **Egen API-endpoint** (`/api/{topic}/predict`)
- **Egen dashboard** för visualisering
## Struktur
```
vims-core/
├── core/ # Delad kärna
│ ├── base_detector.py # Bas-klass för alla detektorer
│ ├── database.py # DB-hantering (SQLite/Postgres)
│ ├── api_base.py # FastAPI bas-router
│ └── dashboard_base.py # HTML/JS dashboard-template
├── instances/ # En instans per artikel/ämne
│ ├── atm-monitoring/ # ATM-avvikelser
│ ├── bridge-inspection/ # Bro-inspektion
│ ├── street-lighting/ # Gatubelysning
│ ├── retail-analytics/ # Butiks-analys
│ └── ... # Fler efter behov
├── models/ # Tränade modeller
├── data/ # Träningsdata per ämne
└── docs/
```
## Skapa ny instans
```bash
python scripts/create_instance.py \
--name "street-lighting" \
--display-name "Street Lighting Monitoring" \
--classes "pole_damage,light_out,vegetation_obstruction,vandalism" \
--article-url "/insights/evidence-driven-municipal-maintenance/"
```
Detta skapar:
- `instances/street-lighting/`
- Databas-tabeller
- API-routes
- Dashboard-template
- Placeholder-modell
## Kör allt
```bash
docker-compose up
```
Startar:
- API-gateway (FastAPI) på port 8000
- En process per instans
- Delad PostgreSQL
- Redis för caching
- Nginx för routing