Spendenr-AI-d

AI powered Spendenraid Auswertung.

❓ Was macht es?

Diese KI hilft bei der Spendenraid Auswertung. Sie klassifizert Bilder nach Kategorien und ermittelt den Spendenbetrag.

ℹ️ Info

Die KI läuft multithreaded & asynchron. Sie bekommt ein "Batch" von Bild-ID's welche nacheinander in einer "queue" abgearbeitet werden (Bild-Download, Orga-Klassifizierung, Spendenbetrag-Evaluierung, Bildlöschung, Senden des Resultats an den Server). Pro Batch wird ein Worker-Thread aufgemacht. Batches können parallel eintreffen, sprich: Wenn ein Batch aktuell abgearbeitet wird, kann zeitgleich ein weiteres eintreffen. Diese werden dann unabhängig voneinander abgearbeitet. Es empfiehlt sich, das ganze mit PM2 im Cluster Mode mit ca. 5 Instanzen zu starten, damit ein weiteres OSI-Layer 7 horizontal scaling stattfindet. Eine vorgefertigte Konfigurationsdatei steht im Repository bereit.

🔧 Installation

0. Terminal aufmachen und dorthin navigieren, wo man es downloaden möchte
   
   
1. Sichergehen, dass NodeJS installiert ist. Teste mit:
   $ node -v
   Wenn es eine Versionsnummer zurückgibt, ist NodeJS installiert. Wenn nicht, NodeJS hier downloaden.
   
   
2. Repository clonen und hinein navigieren. Wenn Git installiert ist:
   $ git clone https://github.com/pr0-dev/Spendenr-AI-d.git && cd Spendenr-AI-d
   Wenn nicht, hier herunterladen und die ZIP extrahieren.
   Dann in den Ordner navigieren.
   
   
3. Dependencies installieren:
   $ npm install
   
   
4. Das Config-Template config.template.json kopieren und als config.json einfügen.
   
   
5. Die frisch kopierte Config datei ausfüllen.
   
   
6. Das Script starten
   $ npm start
   
   

Achtung: Zusätzlich benötigte Module außerhalb von NPM:

• Docker (Installationsanleitung)
• Tesseract (sudo apt install tesseract-ocr tesseract-ocr tesseract-ocr-deu)
• Python 3.8.10 (Installationsanleitung (3.8.2 mit 3.8.10 ersetzen!))
• Tensorflow 2.4.0 (pip install tensorflow==2.4.0)

❤️ Aknowledgements

• RundesBalli für das Spendenraid System
• Chiaki für Hilfe beim Refactoring der classification in Python