🌞 Solar Panel AI Service v3.0

태양광 패널 손상 분석 및 성능 예측을 위한 AI 서비스입니다.

🚀 주요 기능

• 🔍 손상 분석: YOLOv8로 물리적 손상, 오염, 조류 배설물 등 감지
• 📊 성능 예측: ML 앙상블로 발전량 예측 및 PDF 리포트 생성
• 🔗 S3 연동: AWS S3 이미지 자동 다운로드 및 분석
• ⚡ 고성능: 1-3초 내 분석 완료, 정확도 85%+

📡 핵심 API

손상 분석

POST /api/damage-analysis/analyze

{
  "panel_id": 123,
  "user_id": "uuid",
  "panel_imageurl": "s3://bucket/image.jpg"
}

성능 예측

POST /api/performance/analyze
POST /api/performance/report

{
    "user_id": "uuid",
    "id": 1,
    "model_name": "Q.PEAK DUO XL-G11S.7 / BFG 600W",
    "serial_number": 123456789,
    "pmp_rated_w": 600,
    "temp_coeff": -0.35,
    "annual_degradation_rate": 0.5,
    "lat": 37.5665,
    "lon": 126.9780,
    "installed_at": "2022-01-01",
    "installed_angle": 30.0,
    "installed_direction": "Southeast",
    "temp": [25.0, 26.0, 27.0],
    "humidity": [50.0, 55.0, 60.0],
    "windspeed": [3.0, 3.5, 4.0],
    "sunshine": [5.5, 6.0, 6.5],
    "actual_generation": 310.0
}

🚀 빠른 시작

1️⃣ 설치

git clone <repository-url>
cd AI
pip install -r requirements.txt

2️⃣ 모델 준비

# 모델 파일 배치 (다운로드 링크 별도 제공)
models/
├── yolov8_seg_0812_v0.1.pt
└── voting_ensemble_model.pkl

3️⃣ 실행

# 개발 서버
python app/main.py

# 또는 Docker
docker-compose up

4️⃣ 테스트

# 헬스체크
curl http://localhost:8000/api/damage-analysis/health

# API 테스트
python test_api.py

⚙️ 주요 설정

# .env 파일
HOST=0.0.0.0
PORT=8000
DEVICE=cpu
DAMAGE_MODEL_PATH=models/yolov8_seg_0812_v0.1.pt
PERFORMANCE_MODEL_PATH=models/voting_ensemble_model.pkl

🔗 백엔드 연동

Spring Boot 예시

@Autowired
private RestTemplate restTemplate;

public DamageAnalysisResponse analyzeDamage(Long panelId, String userId, String imageUrl) {
    Map<String, Object> request = Map.of(
        "panel_id", panelId,
        "user_id", userId,
        "panel_imageurl", imageUrl
    );
    
    return restTemplate.postForObject(
        aiServiceUrl + "/api/damage-analysis/analyze",
        request,
        DamageAnalysisResponse.class
    );
}

🧪 테스트

# 단위 테스트
pytest test_code/ -v

# 커버리지 (현재 87%)
pytest test_code/ --cov=app --cov-report=html

🐳 Docker 배포

# 개발환경
docker-compose up

# 프로덕션
docker-compose -f docker-compose.prod.yml up -d

📈 성능

• 처리 속도: 평균 1.2초/이미지
• 메모리: 평균 2GB
• 정확도: mAP@0.5 85.3%
• 처리량: 분당 50개 이미지

🛠️ 문제 해결

모델 로딩 실패

# 파일 확인
ls -la models/
chmod 644 models/*.pt

S3 연결 문제

# 타임아웃 증가
export S3_DOWNLOAD_TIMEOUT=60

메모리 부족

# Docker 메모리 확인
docker stats

📞 지원

• 문서: API 명세서 | 상세 가이드
• 이슈: GitHub Issues
• 개발팀: Slack #solar-ai-dev

📊 버전

v3.0.0 (현재)

• ✨ 성능 예측 서비스 추가
• ✨ PDF 리포트 생성
• 🔧 오류 처리 개선
• 🐳 Docker 지원

---

🔗 자세한 내용: 완전한 README | API 명세서

---