feat(ai-training): ajout validation OpenCV, gestion des logs et modération des contributions

- Backend IA : - Intégration d'OpenCV (WebAssembly) pour la détection et certification des cibles (anneaux concentriques, confiance). - Ajout du système de journalisation complet des uploads (SQLite, IP, appareil, statut, métadonnées). - Implémentation du système de modération (bannissement/débannissement de wallets, rejet 403 avec motifs). - Harmonisation des codes d'erreur et messages JSON (UPLOAD_SUCCESS, WALLET_BANNED, etc.). - Dashboard Next.js : page dédiée aux logs avec filtres, export CSV et actions de modération en un clic. - Application Mobile (Flutter) : - Encapsulation des réponses d'export dans AiExportResult avec gestion fine des erreurs et statuts. - Mise à jour du disclaimer de participation à l'entraînement IA avec avertissements stricts de bannissement. - Révocation de l'envoi de photos et affichage d'un bandeau explicatif en cas de suspension. - Ajout d'un bouton manuel « Actualiser mon statut » dans les paramètres pour synchroniser l'état du compte. - Possibilité de configurer l'URL/IP du serveur IA directement depuis les paramètres.
2026-08-25 12:16:29 +02:00
parent 0374a7611e
commit 44ac4462a6
14 changed files with 2869 additions and 141 deletions
@@ -0,0 +1,230 @@
+const cvPromise = require('@techstark/opencv-js');
+const sharp = require('sharp');
+
+let cvInstance = null;
+
+async function getCV() {
+  if (!cvInstance) {
+    cvInstance = await cvPromise;
+  }
+  return cvInstance;
+}
+
+/**
+ * Service de validation OpenCV pour vérifier si une image reçue est bien une cible de tir.
+ */
+class TargetValidator {
+  /**
+   * Analyse une image et renvoie le diagnostic OpenCV
+   * @param {string|Buffer} imageInput - Chemin du fichier ou Buffer de l'image
+   * @returns {Promise<{
+   *   isValid: boolean,
+   *   status: 'VALID' | 'SUSPICIOUS' | 'INVALID',
+   *   confidence: number,
+   *   ringsCount: number,
+   *   bestCenter: { x: number, y: number, radius: number } | null,
+   *   details: string
+   * }>}
+   */
+  static async validateTarget(imageInput) {
+    const cv = await getCV();
+
+    let src = null;
+    let gray = null;
+    let blurred = null;
+    let circles = null;
+
+    try {
+      // 1. Charger et décoder l'image avec Sharp pour obtenir les pixels bruts RGBA
+      const { data, info } = await sharp(imageInput)
+        .ensureAlpha() // 4 canaux RGBA
+        .raw()
+        .toBuffer({ resolveWithObject: true });
+
+      const width = info.width;
+      const height = info.height;
+      const minDim = Math.min(width, height);
+
+      // 2. Créer une Mat OpenCV à partir des pixels RGBA
+      src = new cv.Mat(height, width, cv.CV_8UC4);
+      src.data.set(data);
+
+      // 3. Conversion en niveaux de gris
+      gray = new cv.Mat();
+      cv.cvtColor(src, gray, cv.COLOR_RGBA2GRAY);
+
+      // 4. Flou Gaussien pour réduire le bruit
+      blurred = new cv.Mat();
+      const ksize = new cv.Size(9, 9);
+      cv.GaussianBlur(gray, blurred, ksize, 2, 2, cv.BORDER_DEFAULT);
+
+      // 5. Détection multi-bandes pour capturer tous les anneaux concentriques
+      // (Puisque minDist dans HoughCircles empêche la détection de cercles concentriques sur un seul passage)
+      const detectedCircles = [];
+      const bands = [
+        { min: Math.floor(minDim * 0.04), max: Math.floor(minDim * 0.18), p2: 45 },
+        { min: Math.floor(minDim * 0.18), max: Math.floor(minDim * 0.35), p2: 48 },
+        { min: Math.floor(minDim * 0.35), max: Math.floor(minDim * 0.55), p2: 50 }
+      ];
+
+      circles = new cv.Mat();
+
+      for (const band of bands) {
+        cv.HoughCircles(
+          blurred,
+          circles,
+          cv.HOUGH_GRADIENT,
+          1,
+          Math.max(Math.floor(minDim * 0.05), 10),
+          100,
+          band.p2,
+          band.min,
+          band.max
+        );
+
+        if (circles.cols > 0 && circles.data32F) {
+          for (let i = 0; i < circles.cols; i++) {
+            const x = circles.data32F[i * 3];
+            const y = circles.data32F[i * 3 + 1];
+            const r = circles.data32F[i * 3 + 2];
+            if (!isNaN(x) && !isNaN(y) && !isNaN(r) && r > 0) {
+              detectedCircles.push({ x, y, r });
+            }
+          }
+        }
+      }
+
+      // Si aucun cercle dans les bandes, tentative globale tolérante
+      if (detectedCircles.length === 0) {
+        cv.HoughCircles(
+          blurred,
+          circles,
+          cv.HOUGH_GRADIENT,
+          1,
+          Math.max(Math.floor(minDim * 0.08), 10),
+          100,
+          35,
+          Math.floor(minDim * 0.05),
+          Math.floor(minDim * 0.55)
+        );
+
+        if (circles.cols > 0 && circles.data32F) {
+          for (let i = 0; i < circles.cols; i++) {
+            const x = circles.data32F[i * 3];
+            const y = circles.data32F[i * 3 + 1];
+            const r = circles.data32F[i * 3 + 2];
+            if (!isNaN(x) && !isNaN(y) && !isNaN(r) && r > 0) {
+              detectedCircles.push({ x, y, r });
+            }
+          }
+        }
+      }
+
+      // Si aucun cercle détecté
+      if (detectedCircles.length === 0) {
+        return {
+          isValid: false,
+          status: 'INVALID',
+          confidence: 0.02,
+          ringsCount: 0,
+          bestCenter: null,
+          details: 'Aucun motif circulaire ou cible détecté sur cette photo.'
+        };
+      }
+
+      // 6. Clustering des cercles pour trouver les anneaux concentriques
+      const tolerance = minDim * 0.07; // Tolérance de 7% pour le décalage de centre
+      const clusters = [];
+
+      for (const circle of detectedCircles) {
+        let added = false;
+        for (const cluster of clusters) {
+          // Prendre le centre moyen actuel du cluster
+          const avgClusterX = cluster.reduce((sum, c) => sum + c.x, 0) / cluster.length;
+          const avgClusterY = cluster.reduce((sum, c) => sum + c.y, 0) / cluster.length;
+          const dist = Math.sqrt(Math.pow(circle.x - avgClusterX, 2) + Math.pow(circle.y - avgClusterY, 2));
+
+          if (dist < tolerance) {
+            // Vérifier que le rayon n'est pas un doublon exact (< 10px de différence)
+            const isDuplicate = cluster.some(c => Math.abs(c.r - circle.r) < minDim * 0.03);
+            if (!isDuplicate) {
+              cluster.push(circle);
+            }
+            added = true;
+            break;
+          }
+        }
+        if (!added) {
+          clusters.push([circle]);
+        }
+      }
+
+      // Trier les clusters par nombre de cercles concentriques décroissant
+      clusters.sort((a, b) => b.length - a.length);
+      const bestCluster = clusters[0];
+      const ringsCount = bestCluster.length;
+
+      // Calculer le centre moyen du meilleur cluster
+      const avgX = bestCluster.reduce((acc, c) => acc + c.x, 0) / ringsCount;
+      const avgY = bestCluster.reduce((acc, c) => acc + c.y, 0) / ringsCount;
+      const maxR = Math.max(...bestCluster.map(c => c.r));
+
+      // 7. Évaluation du statut et de la confiance
+      if (ringsCount >= 3) {
+        return {
+          isValid: true,
+          status: 'VALID',
+          confidence: Math.min(0.92 + (ringsCount - 3) * 0.02, 0.99),
+          ringsCount,
+          bestCenter: { x: avgX, y: avgY, radius: maxR },
+          details: `Cible certifiée : ${ringsCount} anneaux concentriques identifiés.`
+        };
+      } else if (ringsCount === 2) {
+        return {
+          isValid: true,
+          status: 'VALID',
+          confidence: 0.85,
+          ringsCount,
+          bestCenter: { x: avgX, y: avgY, radius: maxR },
+          details: `Cible confirmée : ${ringsCount} anneaux concentriques détectés.`
+        };
+      } else if (ringsCount === 1) {
+        return {
+          isValid: true,
+          status: 'SUSPICIOUS',
+          confidence: 0.50,
+          ringsCount: 1,
+          bestCenter: { x: avgX, y: avgY, radius: maxR },
+          details: 'Un seul anneau détecté, confirmation visuelle recommandée.'
+        };
+      } else {
+        return {
+          isValid: false,
+          status: 'INVALID',
+          confidence: 0.1,
+          ringsCount: 0,
+          bestCenter: null,
+          details: 'Motif de cible non conforme.'
+        };
+      }
+    } catch (error) {
+      console.error('Erreur TargetValidator OpenCV:', error);
+      return {
+        isValid: false,
+        status: 'INVALID',
+        confidence: 0.0,
+        ringsCount: 0,
+        bestCenter: null,
+        details: `Erreur d'analyse OpenCV: ${error.message}`
+      };
+    } finally {
+      // 8. Nettoyage mémoire
+      if (src && !src.isDeleted()) src.delete();
+      if (gray && !gray.isDeleted()) gray.delete();
+      if (blurred && !blurred.isDeleted()) blurred.delete();
+      if (circles && !circles.isDeleted()) circles.delete();
+    }
+  }
+}
+
+module.exports = TargetValidator;