X-Ray Eye 🔍

Stworzyliśmy model sztucznej inteligencji, który dzięki innowacyjnej konwolucyjnej sieci neuronowej wzbogaconej o połączenia rezydualne oraz autorską metodę z zakresu continual learningu (uczenia ciągłego) osiąga niespotykane dotąd wyniki w klasyfikacji obrazów RTG oraz umożliwia bardzo łatwe rozszerzenie możliwości modelu, adaptując go do walki z nowymi metodami przemytu. Aplikacja pozwala automatycznie oceniać wgrane zdjęcia, dokładnie analizować napotkane anomalie oraz udostępnia intuicyjny interfejs do trenowania modelu na zdjęciach zawierających nienapotkane wcześniej anomalie.

---

🚀 Szybki start (Windows)

Uruchom:

JEDYNA SPRAWDZONA METODA INSTALACJ:

setup.bat

Ten skrypt automatycznie:

1. ✅ Instaluje Python, Node.js, pnpm, Make (jeśli brak)
2. ✅ Pobiera modele ML z Google Drive
3. ✅ Instaluje wszystkie zależności
4. ✅ Uruchamia aplikację

Opcje

setup.bat              # Pełna instalacja + uruchomienie
setup.bat --install    # Tylko instalacja (bez uruchamiania)
setup.bat --run        # Tylko uruchomienie (bez instalacji)

---

📦 Modele ML

Modele są automatycznie pobierane z Google Drive przy pierwszym uruchomieniu.

Model	Plik	Rozmiar
Klasyfikator	continual_xray_car_deep_learning_classifier.pth	~90 MB
Detektor BBox	fasterrcnn_bbox_detector.pth	~158 MB

📁 Pobierz ręcznie: Google Drive

Umieść pobrane pliki .pth w folderze backend/ml_models/.

---

Wymagania systemowe

• Python 3.10+
• Node.js 18+
• pnpm
• Make (opcjonalnie)

Uwaga: Wszystkie wymagania są automatycznie instalowane przez setup.bat na Windows!

---

Uruchamianie ręczne

Instalacja zależności

# Frontend
pnpm install

# Backend
cd backend
pip install -r requirements.txt

Uruchomienie

# Aplikacja desktopowa (backend + frontend + Electron)
pnpm dev:desktop

# Tylko API
cd backend && python -m uvicorn app.main:app --reload --port 8000

• API: http://localhost:8000
• Swagger: http://localhost:8000/docs

---

Struktura projektu

xray-eye/
├── setup.bat              # 🚀 Główny skrypt uruchomienia
├── setup.ps1              # Skrypt PowerShell
├── backend/               # Serwer FastAPI (Python)
│   ├── app/
│   │   ├── ml/            # Modele ML i trening
│   │   ├── routes/        # Endpointy API
│   │   └── features/      # Auth, uploads, websockets
│   ├── ml_models/         # Wytrenowane modele (.pth)
│   └── requirements.txt
├── frontend/              # Aplikacja React (TypeScript)
│   └── src/
│       ├── components/    # Komponenty UI
│       └── pages/         # Strony aplikacji
├── electron/              # Konfiguracja Electron
└── Makefile               # Komendy budowania

---

Komendy Make

Komenda	Opis
make install	Instaluje wszystkie zależności
make api	Uruchamia serwer backend
make desktop	Uruchamia aplikację desktopową
make build-exe	Buduje aplikację do EXE
make clean	Czyści artefakty budowania

---

Modele ML - szczegóły

• continual_xray_car_deep_learning_classifier.pth - klasyfikator obrazów RTG (ResNet50 + continual learning)
• fasterrcnn_bbox_detector.pth - detektor bounding box dla anomalii (FasterRCNN)