opencode/backend

Blueprint QC Backend

FastAPI backend для сбора, хранения и разметки замечаний QC по чертежам.

Архитектура

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│   React UI  │────▶│  FastAPI     │────▶│   SQLite    │
│  (viewer)   │◀────│  Backend     │◀────│   Database  │
└─────────────┘     └──────────────┘     └─────────────┘
                           │
                           ▼
                    ┌──────────────┐
                    │  OCR + QC    │
                    │  Pipeline    │
                    └──────────────┘

Установка

cd backend
pip install -r requirements.txt

Запуск

python -m uvicorn app.main:app --reload --port 8000

API будет доступен на http://localhost:8000

Документация (Swagger): http://localhost:8000/docs

API Endpoints

Проекты

Method	Endpoint	Описание
POST	/api/projects/upload	Загрузка PDF, запуск обработки
GET	/api/projects	Список проектов
GET	/api/projects/{id}	Детали проекта

Замечания (Issues)

Method	Endpoint	Описание
GET	/api/projects/{id}/issues	Замечания проекта
GET	/api/issues/{id}	Одно замечание

Feedback (разметка)

Method	Endpoint	Описание
POST	/api/feedback	Отметить TP/FP
GET	/api/feedback/stats	Статистика

Обучение

Method	Endpoint	Описание
GET	/api/training/data	Данные для обучения
POST	/api/training/export	Скачать JSON
GET	/api/stats	Общая статистика

Viewer

Method	Endpoint	Описание
GET	/viewer/{project_id}/{page}	HTML viewer
GET	/viewer_tiles/{project_id}/{path}	DZI тайлы

Workflow

1. Загрузка: POST /api/projects/upload с PDF
2. Обработка: Backend запускает OCR → QC → DZI (фоново)
3. Просмотр: GET /viewer/{id}/{page} — viewer с overlay
4. Разметка: Пользователь кликает замечания → POST /api/feedback (is_true_positive: true/false)
5. Обучение: GET /api/training/data — экспорт размеченных данных

Feedback Schema

{
  "issue_id": 123,
  "is_true_positive": true,    // true = реальная проблема, false = ложное срабатывание
  "comment": "Размер действительно плохо читается",
  "action_taken": "fixed"      // fixed / ignored / not_sure
}

Training Data

Каждый размеченный пример содержит:

• bbox: координаты на PNG
• issue_type: тип проблемы
• is_true_positive: метка от пользователя
• image_path: путь к PNG страницы
• dimension_text: текст размера (если есть)
• confidence: OCR confidence

Накопив 100-200 размеченных примеров, можно:

1. Fine-tune VLM (few-shot prompting)
2. Обучить YOLO-детектор под ваши типы чертежей
3. Дообучить правила QC (эвристики)

Модели БД

Project

• id, name, pdf_filename, status, created_at, output_folder

Page

• id, project_id, page_number, png_path, ocr_data, vlm_description

Issue

• id, project_id, page_id, issue_type, severity, message, bbox, dimension_text, confidence

Feedback

• id, issue_id, is_true_positive, comment, action_taken, created_at