Sistema automatizado para analizar trays de avión mediante inteligencia artificial (YOLO), calculando ocupación en tiempo real y generando recomendaciones automáticas de inventario.

• ✅ Detección Automática de Productos usando YOLO
• ✅ Cálculo de Ocupación en Tiempo Real (volumen-based)
• ✅ Análisis Doble Cara (front + back)
• ✅ Estimación de Inventario Faltante
• ✅ Generación Automática de Shopping Lists
• ✅ Interfaz Web Moderna y Responsive
• ✅ Base de Datos Integrada (Supabase)
• ✅ API RESTful Completa

1. Usuario sube fotos del tray (frente y atrás)
2. YOLO detecta productos (latas, botellas, jugos, snacks)
3. Sistema calcula ocupación basado en volumen real
4. Estima productos faltantes para optimizar capacidad
5. Genera lista de compras con recomendaciones
6. Guarda en base de datos para análisis histórico

📊 Ocupación: 68.9%
🔴 Estado: needs_refill
📦 Productos Detectados: 10 items
🛒 Recomendación: Agregar 7 latas más

Frontend (React)  →  Backend (Node.js)  →  YOLO (Python)  →  Database (Supabase)

Backend:

• Node.js + Express
• YOLO v8 (Computer Vision)
• Python integration
• Supabase (PostgreSQL)
• Multer (file upload)
• Zod (validation)

Frontend:

• React + Vite
• TanStack Query
• shadcn/ui
• Tailwind CSS
• Lucide Icons

HackMTY-2025-GateGroup/
├── backend/
│   ├── cv/                          # Computer Vision
│   │   ├── services/
│   │   │   ├── yoloService.js       # YOLO inference
│   │   │   ├── occupancyService.js  # Cálculo ocupación
│   │   │   └── inventoryEstimationService.js  ✨ NUEVO
│   │   ├── controllers/
│   │   │   └── occupancyController.js  ✨ ACTUALIZADO
│   │   ├── routes/
│   │   │   └── occupancyRoutes.js   ✨ ACTUALIZADO
│   │   ├── specs/
│   │   │   └── doubleside.mx.json   # Configuración tray
│   │   └── util/
│   │       └── Dimensions.js        # Catálogo productos
│   ├── api/                         # API routes
│   ├── config/                      # Configuration
│   └── server.js                    # Main server
├── frontend/
│   ├── src/
│   │   ├── views/
│   │   │   └── PhotoManagement/
│   │   │       └── PhotoManagement.jsx  ✨ REESCRITO
│   │   ├── config/
│   │   │   └── api.js               ✨ ACTUALIZADO
│   │   └── components/
│   │       └── ui/                  # shadcn components
│   └── package.json
├── docs/
│   ├── INSTALACION.md               ✨ NUEVO - Guía instalación
│   ├── GUIA_ANALISIS_TRAY.md        ✨ NUEVO - Guía usuario
│   ├── RESUMEN_PROYECTO.md          ✨ NUEVO - Resumen ejecutivo
│   └── backend/cv/
│       ├── README_TRAY_ANALYSIS.md  ✨ NUEVO - Doc técnica
│       └── TESTING_EXAMPLES.md      ✨ NUEVO - Testing
├── tray.txt                         # Especificaciones tray
├── supabase.txt                     # Schema base de datos
└── README.md                        # Este archivo

• Node.js v18+
• Python 3.8+
• Cuenta Supabase

# 1. Clonar repositorio
git clone https://github.com/tu-usuario/HackMTY-2025-GateGroup.git
cd HackMTY-2025-GateGroup

# 2. Backend
cd backend
npm install
pip install -r requirements.txt

# Crear .env con tus credenciales
cp .env.example .env

# 3. Frontend
cd ../frontend
npm install

# Crear .env con tus credenciales
cp .env.example .env

# 4. Ejecutar
# Terminal 1: Backend
cd backend && npm run dev

# Terminal 2: Frontend
cd frontend && npm run dev

# Health check backend
curl http://localhost:5000/health

# Abrir frontend
open http://localhost:5173

1. Navegar a /photo-management
2. Subir foto frontal del tray
3. Subir foto trasera del tray
4. Ingresar código del trolley (ej: TRL-001)
5. Click "Analyze Tray"
6. Ver resultados:
   • Porcentaje de ocupación
   • Productos detectados
   • Lista de compras recomendada

curl -X POST http://localhost:5000/api/occupancy/analyze-tray \
  -F "front=@front.jpg" \
  -F "back=@back.jpg" \
  -F "trolleyCode=TRL-001"

Basado en las especificaciones reales del tray (tray.txt):

• Largo: 37 cm
• Ancho: 26 cm
• Profundidad: 10 cm
• Volumen útil: ~8.18 L (85% del total)
• Target de llenado: 85%

• trolleys - Carritos físicos
• image_analysis - Resultados de análisis CV
• inventories - Inventarios por trolley
• inventory_items - Items en inventario
• products - Catálogo de productos

Ver schema completo en supabase.txt

# Unit tests
npm test

# Integration tests
npm run test:integration

# Manual test
curl -X POST http://localhost:5000/api/occupancy/analyze-tray \
  -F "front=@test/fixtures/front.jpg" \
  -F "back=@test/fixtures/back.jpg" \
  -F "trolleyCode=TRL-TEST-001"

Ver más ejemplos en TESTING_EXAMPLES.md

Backend (.env):

PORT=5000
SUPABASE_URL=https://tu-proyecto.supabase.co
SUPABASE_SERVICE_ROLE_KEY=tu-key
YOLO_WEIGHTS=./cv/train/yolov8n.pt
PYTHON_BIN=python

Frontend (.env):

VITE_API_BASE_URL=http://localhost:5000
VITE_SUPABASE_URL=https://tu-proyecto.supabase.co
VITE_SUPABASE_PUBLISHABLE_KEY=tu-key

• Tiempo de análisis: 2-5 segundos
• Precisión YOLO: Depende del modelo y calidad de fotos
• Capacidad del tray: 8.18 L útiles
• Target ocupación: 85%
• Productos soportados: 5 tipos principales

• Upload de fotos front/back
• Visualización de ocupación en tiempo real
• Lista de productos detectados
• Shopping list automática

• Porcentaje de ocupación general
• Desglose por lado (front/back)
• Productos actuales
• Recomendaciones del sistema

Backend:

npm run dev      # Desarrollo con nodemon
npm start        # Producción
npm test         # Tests

Frontend:

npm run dev      # Desarrollo
npm run build    # Build para producción
npm run preview  # Preview del build

1. Configurar variables de entorno
2. Build: npm install && pip install -r requirements.txt
3. Start: npm start

1. Build: npm run build
2. Output: dist
3. Configurar variables de entorno

Ver sección completa en INSTALACION.md

1. "YOLO weights not found"

   • Descargar modelo: wget https://github.com/ultralytics/assets/releases/download/v0.0.0/yolov8n.pt

2. "Trolley not found"

   • Crear trolley: POST /api/trolleys con {"code": "TRL-001"}

3. "Database connection failed"

   • Verificar credenciales de Supabase en .env

• Ultralytics YOLO: https://docs.ultralytics.com/
• Supabase Docs: https://supabase.com/docs
• React Docs: https://react.dev/
• shadcn/ui: https://ui.shadcn.com/

Este proyecto fue desarrollado para el HackMTY 2025 - GateGroup Challenge.

Proyecto desarrollado para HackMTY 2025 - GateGroup Challenge.

Axel - HackMTY 2025

• Fine-tune YOLO con imágenes propias
• Agregar más tipos de productos
• Dashboard de analytics
• Mobile app
• Integración con ERP
• Predicción de demanda con ML

Para problemas o preguntas:

1. Revisar documentación en /docs
2. Verificar sección de Troubleshooting
3. Revisar issues en GitHub
4. Contactar al equipo de desarrollo

Status: ✅ Completado y Funcional

Versión: 1.0.0

Fecha: Octubre 2025

• GateGroup por el challenge
• HackMTY 2025 por la organización
• Ultralytics por YOLO
• Supabase por la infraestructura de base de datos