AeroVision

概覽

AeroVision 是一個網頁應用程式，旨在簡化航班廢棄物數據收集和分析的過程。該應用程式利用現代網頁技術和人工智慧驅動的洞察力，提供一個全面的解決方案來管理和分析廢棄物數據。此專案是作為 Cathay Hackathon 2024 的一部分開發的，專注於快速開發和創新解決方案。

功能

廢棄物數據收集

1. 照片上傳和分析：

   • 使用者可以上傳廢棄物的照片，這些照片將使用大型語言模型（LLM）進行分析，以識別廢棄物類型並估算其數量。
   • 提供一個可選的輸入框，讓使用者輸入廢棄物的總重量，幫助 LLM 估算每種廢棄物類型的比例。

2. 結構化數據顯示：

   • 分析後，結構化數據將以表格格式顯示，包括廢棄物類型、估算數量和可回收性。
   • 使用者可以進行手動修改廢棄物類型、估算數量和可回收性，以確保數據一致性。

3. 匯總摘要：

   • 匯總表格整合估算和手動輸入，提供最終廢棄物類型和數量的概覽。

4. 數據管理選項：

   • “清除所有”按鈕允許使用者重置所有條目和分析結果。
   • “提交到資料庫”按鈕將數據保存到共享資料庫中，以供未來參考和分析。

廢棄物數據分析（計劃中）

• 數據收集模組：

  • 與廢棄物數據收集共享資料庫整合，存儲來自各航班的歷史廢棄物數據，允許趨勢追蹤和回收率測量。

• 數據顯示和分析模組：

  • 提供數據圖表洞察的視覺平台，幫助了解廢棄物分佈和回收表現。
  • 利用生成式人工智慧，將圖表的影像作為輸入，提供可行的洞察和建議，以優化廢棄物管理。

注意：廢棄物數據分析的網頁應用程式正在計劃中，但尚未實施。

技術堆疊

• 後端：使用 FastAPI 建立 API 端點，使用 SQLite 管理資料庫。
• 前端：使用 React 建立使用者介面，使用 Tailwind CSS 進行樣式設計。
• 生成式人工智能整合：使用大型語言模型 OpenAI GPT-4o 分析廢棄物數據並提供洞察。

入門指南

先決條件

• 前端開發需要 Node.js 和 npm。
• 後端開發需要 Python 和 pip。
• 需要支援結構化輸出的 GPT-4o 模型版本 API (2024-08-06之後的版本)。

安裝

1. 後端：

   • 進入 aerovision-backend 目錄。
   • 安裝依賴項：pip install -r requirements.txt
   • 啟動伺服器：uvicorn collect_main:app --reload

2. 前端：

   • 進入 aerovision-frontend 目錄。
   • 安裝依賴項：npm install
   • 啟動開發伺服器：npm run dev