🌿 Plant Detector – YOLOv8 + FastAPI

Sistem deteksi tanaman obat berbasis YOLOv8 dengan API FastAPI, frontend web sederhana, dan penyimpanan metadata ke PostgreSQL (tanpa menyimpan gambar).

---

🚀 Fitur

• Upload gambar (JPEG/PNG ≤ 3 MB) via web client atau API
• Inferensi menggunakan model YOLOv8 (best.pt)
• Metadata hasil inferensi otomatis tersimpan di PostgreSQL:
  • waktu request
  • IP client
  • ukuran & MIME file
  • kelas terdeteksi (top-1), confidence
  • ringkasan deteksi (JSON)
• Tidak menyimpan file gambar → lebih aman untuk privasi
• Configurable lewat .env

---

🛠️ Struktur Repositori

plant-detector/
├─ app/              # kode utama FastAPI
│  ├─ main.py        # API endpoint /detect
│  ├─ deps.py        # loader model & auth ringan
│  ├─ db.py          # koneksi database
│  ├─ models.py      # SQLAlchemy model (inference log)
│  ├─ schemas.py     # Pydantic schema untuk I/O
│  └─ settings.py    # konfigurasi via .env
├─ static/
│  └─ index.html     # web client sederhana (upload & lihat hasil)
├─ requirements.txt  # daftar dependensi Python
├─ Dockerfile        # containerization
└─ .env.example      # contoh konfigurasi environment

---

⚡ Cara Menjalankan (Local)

1. Clone repo & masuk ke folder:

   git clone https://github.com/wardanaa/plant-detector.git
   cd plant-detector

2. Buat virtual env & install dependencies:

   python -m venv .venv
   source .venv/bin/activate
   pip install -r requirements.txt

3. Setup PostgreSQL (local/docker):

   docker run --name plantdb -e POSTGRES_USER=user -e POSTGRES_PASSWORD=password -e POSTGRES_DB=plantdb -p 5432:5432 -d postgres:15

4. Copy .env.example → .env dan sesuaikan:

   MODEL_PATH=best.pt
   DATABASE_URL=postgresql+psycopg://user:password@localhost:5432/plantdb
   API_KEY=

5. Jalankan API:

   uvicorn app.main:app --reload

6. Buka web client:

   • Buka static/index.html di browser
   • Upload gambar tanaman obat → hasil deteksi muncul

---

🐳 Cara Menjalankan (Docker)

1. Build image:

   docker build -t plant-detector .

2. Jalankan container:

   docker run -it --rm -p 8000:8000 --env-file .env plant-detector

3. Akses API di http://127.0.0.1:8000/docs

---

📦 Model best.pt

1. Latih model YOLOv8 di Google Colab (lihat docs/training.md atau notebook).

2. Copy best.pt ke folder repo atau mount lewat volume.

3. Pastikan path di .env benar:

   MODEL_PATH=best.pt

---

🔑 API Usage

Request:

curl -H "x-api-key: changeme" \
     -F "file=@/path/to/daun.jpg" \
     http://127.0.0.1:8000/detect

Response:

{
  "detections": [
    {
      "class": "Temulawak",
      "bbox": { "x1": 12.3, "y1": 45.6, "x2": 78.9, "y2": 120.4 },
      "confidence": 0.82
    }
  ],
  "latency_ms": 47,
  "model_version": "v1"
}

---

🧭 Roadmap (next)

• Tambah worker (Celery/RQ) untuk load tinggi
• Monitoring (Prometheus + Grafana)
• Canary testing untuk update model
• Frontend overlay bounding box

---

⚠️ Disclaimer

Sistem ini hanya untuk deteksi visual tanaman. Tidak boleh digunakan sebagai saran medis. Selalu verifikasi hasil dengan pakar sebelum penggunaan lebih lanjut.

---

📜 Lisensi

MIT License – silakan gunakan, modifikasi, atau distribusikan dengan bebas.