.venv deleted

ocr ready to test

ocr-service/main.py

@@ -3,22 +3,28 @@ from typing import List
 
 from fastapi import FastAPI, File, UploadFile, HTTPException
 from pydantic import BaseModel
+import cv2
+import numpy as np
 
-# Настройка логгера
-logging.basicConfig(level=logging.INFO)
+# Импортируем модули
+from imgproc import preprocess_image
+from parser import parse_receipt_text, ParsedItem
+from ocr import ocr_engine
+# Импортируем новый модуль
+from qr_manager import detect_and_decode_qr, fetch_data_from_api
+
+logging.basicConfig(
+    level=logging.INFO,
+    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
+)
 logger = logging.getLogger(__name__)
 
-app = FastAPI(title="RMSER OCR Service")
-
-# DTO ответа (должно совпадать с Go-структурой RecognizedItem)
-class RecognizedItem(BaseModel):
-    raw_name: str
-    amount: float
-    price: float
-    sum: float
+app = FastAPI(title="RMSER OCR Service (Hybrid: QR + OCR)")
 
 class RecognitionResult(BaseModel):
-    items: List[RecognizedItem]
+    source: str # 'qr_api' или 'ocr'
+    items: List[ParsedItem]
+    raw_text: str = ""
 
 @app.get("/health")
 def health_check():
@@ -27,47 +33,70 @@ def health_check():
 @app.post("/recognize", response_model=RecognitionResult)
 async def recognize_receipt(image: UploadFile = File(...)):
     """
-    Принимает изображение, 'распознает' его (пока заглушка)
-    и возвращает список позиций.
+    1. Попытка найти QR-код.
+    2. Если QR найден -> запрос к API -> возврат идеальных данных.
+    3. Если QR не найден -> Preprocessing -> OCR -> Regex Parsing.
     """
     logger.info(f"Received file: {image.filename}, content_type: {image.content_type}")
 
     if not image.content_type.startswith("image/"):
         raise HTTPException(status_code=400, detail="File must be an image")
 
-    # Читаем байты (имитация обработки)
-    content = await image.read()
-    logger.info(f"Read {len(content)} bytes")
+    try:
+        # Читаем байты
+        content = await image.read()
+        
+        # Конвертируем в numpy для работы (нужен и для QR, и для OCR)
+        nparr = np.frombuffer(content, np.uint8)
+        # Оригинальное изображение (цветное/серое)
+        original_cv_image = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
 
-    # --- ЗАГЛУШКА (MOCK) ---
-    # Здесь в будущем будет вызов нейросети/Tesseract.
-    # Пока возвращаем хардкод, чтобы проверить интеграцию с Go.
-    
-    mock_items = [
-        RecognizedItem(
-            raw_name="Молоко Петмол 3.2", # Это мы потом свяжем с реальным молоком
-            amount=5.0,
-            price=100.0,
-            sum=500.0
-        ),
-        RecognizedItem(
-            raw_name="Хлеб Бородинский", # Этого, возможно, нет в базе (проверим обработку неизвестных)
-            amount=2.0,
-            price=45.50,
-            sum=91.0
-        ),
-        RecognizedItem(
-            raw_name="НЕИЗВЕСТНЫЙ ТОВАР 123", 
-            amount=1.0,
-            price=1000.0,
-            sum=1000.0
+        if original_cv_image is None:
+             raise HTTPException(status_code=400, detail="Invalid image data")
+
+        # --- ЭТАП 1: QR Code Strategy ---
+        logger.info("Attempting QR code detection...")
+        qr_raw = detect_and_decode_qr(original_cv_image)
+        
+        if qr_raw:
+            logger.info("QR found! Fetching data from API...")
+            api_items = fetch_data_from_api(qr_raw)
+            
+            if api_items:
+                logger.info(f"Successfully retrieved {len(api_items)} items via API.")
+                return RecognitionResult(
+                    source="qr_api",
+                    items=api_items,
+                    raw_text=f"QR Content: {qr_raw}"
+                )
+            else:
+                logger.warning("QR found but API failed to return items. Falling back to OCR.")
+        else:
+            logger.info("QR code not found. Falling back to OCR.")
+
+        # --- ЭТАП 2: OCR Strategy (Fallback) ---
+        
+        # 1. Image Processing (получаем бинарное изображение)
+        # Передаем исходные байты, так как функция внутри декодирует их заново
+        # (можно оптимизировать, но оставим совместимость с текущим кодом)
+        processed_img = preprocess_image(content)
+        
+        # 2. OCR
+        full_text = ocr_engine.recognize(processed_img)
+        
+        # 3. Parsing
+        ocr_items = parse_receipt_text(full_text)
+        
+        return RecognitionResult(
+            source="ocr",
+            items=ocr_items,
+            raw_text=full_text
         )
-    ]
-    # -----------------------
 
-    return RecognitionResult(items=mock_items)
+    except Exception as e:
+        logger.error(f"Error processing request: {e}", exc_info=True)
+        raise HTTPException(status_code=500, detail=str(e))
 
 if __name__ == "__main__":
     import uvicorn
-    # Запуск: python main.py
     uvicorn.run(app, host="0.0.0.0", port=5000)