# AI-arkitektur — QUIXZOOM/UIOS

**Version:** 1.0  
**Datum:** 2026-06-29  
**Syfte:** Kombinationsstrategi för AI-pipeline

---

## Översikt

```
┌─────────────────────────────────────────────────────────────┐
│                    AI-ARKITEKTUR                             │
├─────────────────────────────────────────────────────────────┤
│                                                              │
│  FAS 1: CLOUD VISION (Bootstrap)                            │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────┐     │
│  │   Bilder    │───→│Cloud Vision │───→│ Annotation  │     │
│  │  (Bangkok)  │    │    API      │    │ Förslag     │     │
│  └─────────────┘    └─────────────┘    └─────────────┘     │
│                                                              │
│  FAS 2: EGET DATASET (Parallellt)                           │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────┐     │
│  │   Bilder    │───→│  Manuell    │───→│ Gold Labels │     │
│  │(Multi-City) │    │ Annotation  │    │             │     │
│  └─────────────┘    └─────────────┘    └─────────────┘     │
│                                                              │
│  FAS 3: EGEN MODELL (Ensemble)                              │
│  ┌─────────────┐    ┌─────────────┐    ┌─────────────┐     │
│  │   Gold      │───→│   Träning   │───→│   YOLOv11   │     │
│  │   Dataset   │    │             │    │  + Ensemble │     │
│  └─────────────┘    └─────────────┘    └─────────────┘     │
│                                                              │
└─────────────────────────────────────────────────────────────┘
```

---

## Fas 1: Cloud Vision Bootstrap

### Syfte
- Få igång piloten snabbt
- Automatiska annotationer
- Validera UIOS-pipeline

### Teknik
- **Google Cloud Vision API**
- Dedikerat projekt: `quixzoom-ai-bootstrap`
- Begränsade nycklar
- Budgetvarningar

### Kostnad
- ~$0.0015/bild
- Budget: 1000 kr/mån

### Output
- Annotation-förslag
- Första gold dataset
- Benchmark-data

---

## Fas 2: Eget Dataset

### Mål per objekttyp

| Objekttyp | Mål | Källor |
|-----------|-----|--------|
| Street lamp | 5 000 | Bangkok, Torrevieja, Stockholm |
| Traffic sign | 5 000 | Bangkok, Torrevieja, Stockholm |
| Manhole | 3 000 | Bangkok, Stockholm |
| Electrical cabinet | 2 000 | Bangkok, Stockholm |
| Bench | 2 000 | Torrevieja, Stockholm |
| Trees | 10 000 | Alla regioner |

### Process
1. Samla bilder (Gold Routes)
2. AI-förslag (Cloud Vision)
3. Manuell granskning
4. Gold labels
5. Spara allt

---

## Fas 3: Egen Modell (Ensemble)

### Komponenter

| Modell | Syfte | Input |
|--------|-------|-------|
| **YOLOv11** | Realtidsdetektion | Bild |
| **Grounding DINO** | Öppna kategorier | Bild + text-prompt |
| **SAM2** | Segmentering | Bild + bounding box |
| **OCR** | Textläsning | Bild-region |
| **Object Identity** | Unik identifiering | Bild + metadata |

### Träning
- Dataset: Gold labels från Fas 2
- Mål: mAP@50 > 0.90
- Validering: 20% av data

---

## Infrastructure Vocabulary

### Kategorier (7)

```
lighting        (6 objekt)
road            (10 objekt)
utility         (6 objekt)
traffic         (8 objekt)
vegetation      (6 objekt)
furniture       (7 objekt)
buildings       (7 objekt)
```

### Totalt: 50 objekt

Alla modeller tränas mot samma vokabulär.

---

## Dataflöde

```
Bild (Zoomer/App)
    ↓
AI-analys (Cloud Vision / Egen modell)
    ↓
Detektioner (label, confidence, bbox)
    ↓
Mappning till vokabulär
    ↓
Manuell granskning (om behövs)
    ↓
Gold label
    ↓
Spara (raw + corrected + gold)
    ↓
Uppdatera UKG
    ↓
Export för träning
```

---

## Lagring

### Struktur

```
/data/ai-results/
├── raw/                    # Råa AI-resultat
├── corrected/              # Manuellt korrigerade
├── gold/                   # Verifierade gold labels
├── models/                 # Modell-specifika loggar
├── index.json              # Index över alla observationer
└── metadata.json           # Metadata
```

### Schema per observation

```json
{
  "observationId": "obs-123",
  "timestamp": "2026-06-29T10:00:00Z",
  "imagePath": "/data/images/bangkok_001.jpg",
  "imageHash": "sha256:abc...",
  "model": "cloud_vision",
  "modelVersion": "v1",
  "detections": [...],
  "manualCorrection": {...},
  "goldLabel": {...},
  "region": "bangkok",
  "cost": 0.0015,
  "latency": 250,
  "quality": {
    "aiAccuracy": 0.85,
    "needsReview": false
  }
}
```

---

## Benchmark

### Jämförelse

| Modell | Precision | Recall | Kostnad/bild | Latens |
|--------|-----------|--------|--------------|--------|
| Cloud Vision | TBD | TBD | $0.0015 | ~250ms |
| YOLOv8 | TBD | TBD | $0 | ~100ms |
| Grounding DINO | TBD | TBD | $0 | ~500ms |
| Egen modell | TBD | TBD | $0 | ~50ms |

### Metod
1. Samma dataset (Bangkok, Torrevieja, Stockholm)
2. Gold labels för utvärdering
3. Mät precision/recall per kategori
4. Jämför kostnad och latens

---

## Nästa steg

1. ✅ Skapa Google Cloud-projekt
2. ✅ Installera Cloud Vision
3. 🔄 Skaffa API-nyckel
4. ⏳ Kör benchmark på Bangkok
5. ⏳ Bygg gold dataset
6. ⏳ Starta Gold Route insamling
7. ⏳ Träna egen modell

---

*Senast uppdaterad: 2026-06-29*