Serviço de backend para leitura automatizada de consumo de água e gás utilizando inteligência artificial e reconhecimento de imagens.

Projeto Pessoal backend:

A ideia para este projeto surgiu durante a participação em um teste técnico para uma vaga de desenvolvimento em setembro de 2024. O desafio envolvia criar um serviço web capaz de gerenciar a leitura de consumo de água e gás, utilizando inteligência artificial para extrair dados a partir de imagens. O processo incluiu a implementação de uma API REST com Node.js e TypeScript, integração com a API Google Gemini para OCR, e o uso de Docker para containerização. A proposta visava demonstrar habilidades técnicas avançadas e a capacidade de desenvolver soluções inovadoras e escaláveis para problemas reais.

---

Tecnologias Utilizadas

O desenvolvimento deste projeto envolve diversas tecnologias que garantem a robustez e a eficiência do serviço:

• Node.js com TypeScript: Para criar uma API REST eficiente e segura.
• Docker: Para containerizar a aplicação, facilitando o desenvolvimento e a implantação.
• PostgreSQL: Para armazenamento robusto e eficiente dos dados de leitura de consumo, garantindo a integridade e a escalabilidade do serviço.
• Google Gemini API: Para realizar a leitura e extração dos valores de consumo a partir de imagens.

Essas tecnologias combinadas proporcionam uma base sólida para a criação de um sistema moderno, escalável e confiável.

Dependências

• @fastify/cors
• @fastify/static
• @google/generative-ia
• @prisma/client
• fastify
• zod

Serviço de Leitura de Consumo Utilizando Inteligência Artificial

No mundo moderno, a automação de processos e a utilização de inteligência artificial (IA) têm se tornado essenciais para otimizar a coleta e o gerenciamento de dados. Um exemplo prático dessa tendência é o desenvolvimento de serviços automatizados para a leitura e gestão de consumo de recursos como água e gás. Este projeto descreve o desenvolvimento de um back-end que facilita a leitura individualizada desses consumos, utilizando tecnologias modernas, como a API do Google Gemini.

Cenário

O objetivo principal do projeto é criar um serviço de back-end que gerencie a leitura de consumo de água e gás de forma automatizada. A inovação aqui reside na utilização da IA para obter a medição diretamente de uma foto do medidor, eliminando a necessidade de inserção manual dos dados.

Endpoints do Serviço

O back-end será composto por três principais endpoints, cada um com funcionalidades específicas e integradas com a API do Google Gemini para extração dos valores a partir das imagens.

1. POST /upload

Este endpoint é responsável por receber uma imagem em formato base64 e processar essa imagem utilizando a API do Google Gemini para extrair o valor da medição. Além disso, ele verifica se já existe uma leitura registrada para o mesmo tipo de medição no mês atual, garantindo que não haja duplicidade.

Requisitos do Endpoint:

• Validar o tipo de dados dos parâmetros enviados, incluindo a imagem em base64.
• Integrar com a API do Google Gemini para extrair o valor numérico da imagem.
• Retornar um link temporário para a imagem, um GUID para a leitura, e o valor numérico extraído.

Exemplo de Corpo de Requisição:

{
  "image": "base64",
  "customer_code": "string",
  "measure_datetime": "datetime",
  "measure_type": "WATER" ou "GAS"
}

Exemplo de Resposta:

{
  "image_url": "string",
  "measure_value": integer,
  "measure_uuid": "string"
}

2. PATCH /confirm

O endpoint de confirmação é utilizado para validar ou corrigir o valor lido pelo sistema. Ele verifica se o código de leitura (UUID) existe e se já foi confirmado, e então salva o novo valor no banco de dados.

Requisitos do Endpoint:

• Validar o tipo de dados dos parâmetros.
• Confirmar se o código de leitura existe e se já foi confirmado.
• Atualizar o valor no banco de dados.

Exemplo de Corpo de Requisição:

{
  "measure_uuid": "string",
  "confirmed_value": integer
}

Exemplo de Resposta:

{
  "success": true
}

3. GET //list

Este endpoint permite listar todas as medições realizadas por um cliente específico. Ele pode opcionalmente receber um parâmetro de consulta (measure_type) para filtrar as leituras por tipo de recurso (água ou gás).

Requisitos do Endpoint:

• Receber o código do cliente e listar todas as medições associadas.
• Filtrar medições por tipo se o parâmetro measure_type for informado.
• Garantir que a validação do tipo seja case insensitive.

Exemplo de Resposta:

{
  "customer_code": "string",
  "measures": [
    {
      "measure_uuid": "string",
      "measure_datetime": "datetime",
      "measure_type": "string",
      "has_confirmed": boolean,
      "image_url": "string"
    }
  ]
}

É isso!