# IA Gôndola Engine

Serviço isolado de detecção YOLO e treinamento. Consumido exclusivamente pela `ia-gondola-api` via `IA_MOTOR_URL`.

## Arquitetura

```
ia-gondola-api  →  POST /detectar  →  YOLO  →  [{box, conf, class}]
                →  POST /treinar   →  triagem + treino → modelo atualizado no S3
```

## Estrutura

```
main.py          — todo o código (sem sub-módulos)
Dockerfile
requirements.txt
```

## Endpoints

### `POST /detectar`

Form-data: `ambiente` (str), `file` (imagem). Confidence threshold: 0.25.

```json
{ "status": "sucesso", "deteccoes": [{ "box": [x1,y1,x2,y2], "conf": 0.87, "class": 0 }] }
```

### `POST /treinar`

Body JSON: `{ "ambiente": "gondola", "pular_triagem": false }`

1. Lista `treinamento/{ambiente}/novos-treinamentos/` no S3
2. Triagem (salvo `pular_triagem: true`): conf média ≥ 0.30 ou == 0 → `base-oficial`, < 0.30 → `descartados`
3. Baixa `base-oficial`, redimensiona imagens > 4096px
4. Treina: 30 épocas, imgsz=640, batch=16, device=cpu
5. Salva `best.pt` em `modelos/{ambiente}/atual/cerebro.pt` + histórico versionado

## Organização S3

```
modelos/{ambiente}/atual/cerebro.pt
modelos/{ambiente}/versionamento/cerebro_YYYYMMDD_HHMM.pt
treinamento/{ambiente}/novos-treinamentos/
treinamento/{ambiente}/base-oficial/
treinamento/{ambiente}/descartados/
```

## Convenções

- `MODELOS_CARREGADOS` = dict em memória `{ambiente: YOLO}` — cache local em `/tmp/cerebro_{ambiente}.pt`
- Se S3 tiver versão mais nova (LastModified), descarta cache e baixa novamente
- Após treino, remove o ambiente de `MODELOS_CARREGADOS` para forçar reload
- Todo o código em `main.py` — não criar sub-módulos

## Como rodar

```bash
pip install -r requirements.txt
uvicorn main:app --reload --port 8001
```