Roadlab

Plataforma para monitoramento e gestão da refletância de placas usando inteligência artificial. Com esse projeto entendemos que há viabilidade para inserção de inteligência artificial e machine learning voltado para o campo de inspeção de dados retro-refletivos e segurança rodoviária. Todo processo de armazenamento de dados está sendo feito em memória pois não há necessidade do armazemento em um banco de dados real.

Demo

Fluxo da ideia

sequenceDiagram
    Monitoramento->>+Software: Relatório de inspeção
    Software-->>+IA: Envia dados para treinamento
    Software-->>+Gerencia: Armazena dados e exibe no dashboard
    Gerencia->>+Software: Ocorrência na posição X, Y, link
    Software->>+Conservacao: Alerta no Whatsapp
    Conservacao->>+Software: Relatório de inspeção + Manutenção
    Software->>+IA: Envia dados para treinamento
    Software->>+Gerencia: Atualiza lista de chamados
    Note over Monitoramento,Hardware: Com a IA Treinada, começam as rodadas com câmeras acopladas
    Hardware->>+IA: Video
    IA-->>+Hardware: Validações de reconhecimento de placas e refletancia
    alt Confiabilidade altissima
        Hardware->>Software: Abre chamados para manutenção indicando que eh a IA
    else Confiabilidade baixa
        Hardware->>Software: Adiciona a lista de nao treinados
    end

Loading

⚙️ Requirementos para funcionar

• 🐋 Docker
• 🟢 Node
• 📦 Yarn

Tecnologias utilizadas

• Express
• Domain Driven Design
• Zod para DTOs
• Next.js
• Shadcn-ui
• Tailwindcss
• Typescript
• Turbo Repo
• Roboflow
• Figma

🚀 Funcionalidades atuais

Serviços (backend + frontend)

• Exibir qr-code do WhatsApp para disparo de mensagens
• Registrar time/grupo
• Listar times/grupos registrados
• Registrar relatório (inspeção/manutenção) de placas retro-refletoras
• Visualizar ocorrências
• Visualizar detalhe de ocorrência
• Enviar ocorrência para time específico

🚀 Como rodar o projeto

• Clone esse projeto.
• Certifique-se de que o Docker está funcionando corretamente
• Use o comando yarn install no terminal, isso fará com que a imagem Docker suba e as dependências sejam instaladas.
• Use o comando yarn dev para rodar o projeto em ambiente de desenvolvimento.

Para acessar o backend, acesse http://localhost:3001

Para acessar o frontend, acesse http://localhost:3000/dashboard

Para acessar a API integrada com whatsapp, acesse http://localhost:3002

🌱 Rotas Backend

• GET: /issues -> Retorna uma lista com todas as placas com problemas.
• POST: /issues/call/{{work_id}}/{{team_id}} -> Envia uma mensagem no WhatsApp com uma nova ocorrência.
• POST: /team/register -> Registra um time para receber os alertas.
• GET: /team/all -> Retornas os times existentes que podem receber os alertas.
• POST: /sign/{{sign_id}} -> Cadastra uma nova placa no sistema ou atualiza uma existente.

Ou

Use a collection do postman localizado ROAD-LABS.postman_collection.json

Bibliografia

• Predicting Traffic Sign Retro Refletivity Degradation Using Deep Neutral Networks
• Modeling retroreflectivity degradation of traffic signs using artificial neural networks
• Development of a neural network approach for the assessment of the performance of traffic sign retroreflectivity
• Desenvolvimento de uma base de imagens de placas de sinalização de trânsito para sistemas de reconhecimento automático

Autores

• Alyson Vilela - @alysonvilela
• Guilherme Vieira - @gitlherme
• Vinicius Vilela - @vinivma