# 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