YoloAPIProject

API REST desarrollada con FastAPI que permite enviar una imagen a un modelo YOLOv8 preentrenado y obtener las predicciones en formato JSON. El modelo se ejecuta en backend y el resultado puede ser consultado por cualquier frontend o sistema externo.

---

📦 Requisitos

• Python 3.8 o superior
• pip (gestor de paquetes)
• Entorno virtual recomendado (venv)
• Conexión a internet (para descargar el modelo YOLO si no está en local)

---

⚙️ Instalación

1. Clonar el repositorio:

git clone https://github.com/federicostragliati/YoloAPIProject.git
cd YoloAPIProject

2. Crear entorno virtual:

python -m venv venv
source venv/bin/activate       # Linux/macOS
venv\Scripts\activate        # Windows

3. Instalar dependencias:

pip install -r requirements.txt
sudo apt install -y libgl1 # En Linux

Esto incluye: fastapi, uvicorn, ultralytics

4. (Opcional) Descargar manualmente el modelo:

Si querés tener el archivo .pt en el proyecto:

• Descargar desde: YOLOv8n.pt
• Guardarlo en la carpeta: modelos/yolov8n.pt

---

🚀 Cómo correr la API

Desde la raíz del proyecto:

uvicorn app.main:app --reload

• Acceder a la documentación automática de Swagger:

  http://localhost:8000/docs
  

---

🔁 Cómo probar

1. Subir una imagen (POST)

Usar Swagger UI:

• Ir a /imagen
• Cargar un archivo (campo file)
• Hacer clic en "Execute"

Esto procesa la imagen con el modelo YOLO.

2. Consultar el resultado (GET)

Ir a /resultado y hacer clic en "Execute"
Se devuelve un JSON con todas las detecciones:

{
  "predictions": [
    {
      "x1": 123.4,
      "y1": 45.6,
      "x2": 200.8,
      "y2": 300.9,
      "confidence": 0.87,
      "class_id": 16,
      "class_name": "dog"
    }
  ]
}

---

📁 Estructura del proyecto

YoloAPIProject/
├── app/
│   ├── main.py          # API FastAPI
│   ├── model.py         # Procesamiento YOLO
│   └── __init__.py
├── modelos/             # Modelo YOLO (.pt)
├── static/              # Imágenes temporales
├── requirements.txt     # Dependencias

---

📌 Notas

• Se actualizo al modelo "yolo11m-seg.pt" con el cual el equipo de IA realizo las pruebas.
• No se guarda el historial. Cada nueva imagen sobreescribe el resultado anterior.
• No se realiza validación de tipo de archivo aún.

---