♻️ EcoSort AI - Akıllı Atık Ayrıştırma Asistanı

🚀 Proje Hakkında (Demo / Ar-Ge)

EcoSort AI, görüntü işleme ve derin öğrenme teknikleri kullanılarak geliştirilmiş bir atık sınıflandırma prototipidir. Bu proje, Yapay Zeka (Transfer Learning), Backend Geliştirme ve DevOps (Docker & Cloud) süreçlerini uçtan uca deneyimlemek ve öğrenmek amacıyla geliştirilmiştir.

Sistem, yüklenen fotoğrafları analiz ederek atığın "Geri Dönüştürülebilir" mi yoksa "Organik" mi olduğunu tespit eder ve sonuçları veritabanına kaydeder.

🔗 Canlı Demo (Swagger UI): https://ecosort-ai-aar9.onrender.com (Not: Sunucu uyku modundaysa açılması 30-40 saniye sürebilir.)

---

Veri Seti Eğitimi

---

🛠️ Kullanılan Teknolojiler

Bu projede modern bir teknoloji yığını (Tech Stack) kullanılmıştır:

• Yapay Zeka: TensorFlow & Keras (MobileNetV2 kullanılarak Transfer Learning yapıldı).
• Backend: FastAPI (Yüksek performanslı Python web çatısı).
• Veritabanı: SQLite (Tahmin sonuçlarını ve güven oranlarını loglamak için).
• Deployment: Docker (Konteynerizasyon) & Render (Cloud Hosting).

---

⚙️ Özellikler

• 📸 Görüntü Sınıflandırma: .jpg veya .png formatındaki atık görsellerini analiz eder.
• 🧠 Yüksek Başarım: MobileNetV2 tabanlı model ile hızlı ve doğru tahminler.
• 💾 Veri Kaydı: Yapılan her tahmin, güven oranı ve tarih bilgisiyle birlikte SQLite veritabanına kaydedilir.
• 📊 İstatistik API: /stats endpoint'i üzerinden toplam ayrıştırılan atık sayısı ve dağılımı görülebilir.
• 🐳 Docker Desteği: Dockerfile ile her ortamda sorunsuz çalışacak şekilde paketlenmiştir.

---

🔌 API Kullanımı

Sistem çalışır durumdayken aşağıdaki endpoint'ler kullanılabilir:

Metot	Endpoint	Açıklama
POST	/predict	Resim yükleyerek tahmin sonucunu (JSON) al.
GET	/stats	Veritabanındaki toplam atık istatistiklerini gör.
GET	/	API durum kontrolü (Health Check).

---

💻 Kurulum (Local)

Projeyi kendi bilgisayarınızda çalıştırmak isterseniz:

1. Repoyu klonlayın:

   git clone [https://github.com/mehmetkosee/EcoSort_AI.git](https://github.com/mehmetkosee/EcoSort_AI.git)
   cd EcoSort_AI

2. Sanal ortam oluşturun ve kütüphaneleri yükleyin:

   python -m venv .venv
   .\.venv\Scripts\activate  # Windows için
   pip install -r requirements.txt

3. Uygulamayı başlatın:

   python main.py

---

📝 Not

Bu proje bir **öğrenme ve deneyimleme ** çalışmasıdır. Veri seti ve model, eğitim amaçlı optimize edilmiştir.