Refactor: Modularize EcoWatch AI into package structure

.env.example

@@ -0,0 +1,14 @@
+# Скопируйте в .env и заполните. Файл .env не попадает в git.
+
+# Telegram: токен от @BotFather и ID чата (узнать можно у @userinfobot)
+ECOWATCH_TG_TOKEN=
+ECOWATCH_TG_CHAT_ID=
+
+# Координаты камеры — для карты инцидентов (необязательно)
+ECOWATCH_CAMERA_LAT=
+ECOWATCH_CAMERA_LON=
+
+# Необязательно: путь к модели, папка данных, устройство (cpu / 0 для GPU)
+# ECOWATCH_MODEL=models/best.pt
+# ECOWATCH_DATA_DIR=data
+# ECOWATCH_DEVICE=0

.github/workflows/tests.yml

@@ -0,0 +1,19 @@
+name: tests
+
+on:
+  push:
+  pull_request:
+
+jobs:
+  test:
+    runs-on: ubuntu-latest
+    steps:
+      - uses: actions/checkout@v4
+      - uses: actions/setup-python@v5
+        with:
+          python-version: "3.11"
+      # Тесты не требуют ultralytics/torch — ставим только лёгкие зависимости.
+      - run: pip install numpy opencv-python-headless Pillow requests -r requirements-dev.txt
+      - run: ruff check .
+      - run: ruff format --check .
+      - run: pytest -q

.gitignore

@@ -1,26 +1,27 @@
 .venv/
+venv/
 .idea/
 .vscode/
 __pycache__/
 *.pyc
+.pytest_cache/
+.ruff_cache/
 
+# секреты
+.env
+
+# данные приложения: журнал, снимки, клипы, загрузки
+data/
+recordings/
+detection_history.json
+
+# датасеты и результаты обучения
 dataset_detect/
 dataset_retrain/
 fire_smoke_images/
+runs/
 runs_retrain/
-
 shop project/
 
 *.pt
 !models/best.pt
-
-recordings/
-detection_history.json
-
-1111.py
-1111_backup*.py
-check_classes.py
-check_imports.py
-download_extra_data.py
-retrain_model.py
-train_detect.py

.streamlit/config.toml

@@ -0,0 +1,15 @@
+[theme]
+base = "dark"
+primaryColor = "#ef4444"
+backgroundColor = "#0f1117"
+secondaryBackgroundColor = "#1a1d26"
+textColor = "#e2e4eb"
+
+[client]
+toolbarMode = "minimal"
+
+[browser]
+gatherUsageStats = false
+
+[server]
+maxUploadSize = 1024

README.md

@@ -1,64 +1,132 @@
-# EcoWatch AI
+# 🛡️ EcoWatch AI
 
-Система обнаружения экологических угроз на основе YOLOv8.
+Система обнаружения пожаров и дыма на видео в реальном времени на базе YOLOv8.
 
-Анализирует видеопоток в реальном времени и определяет:
-- 🔥 Пожар
-- 💨 Дым
-- 🗑️ Сжигание мусора
+Работает с веб-камерой, IP-камерой (RTSP/HTTP), видеофайлом или захватом экрана.
+Подтверждённые угрозы записываются в журнал со снимком и видеоклипом, а уведомления уходят в Telegram.
 
 ## Возможности
 
-- Мониторинг с веб-камеры, IP-камеры, экрана или загруженного файла
-- Уведомления в Telegram с фото
-- Аналитика и графики
-- Журнал обнаружений с экспортом в CSV
-- Запись видео при обнаружении угрозы
+- **Без ложных «миганий».** Вероятности сглаживаются по времени, а инцидент
+  начинается только после нескольких подряд опасных кадров и заканчивается после серии чистых.
+  Если дым перерастает в пожар, это фиксируется в том же инциденте.
+- **Инциденты, а не спам.** Одна угроза — одна запись в журнале (начало, конец, пиковая
+  вероятность, снимок, клип) и одно уведомление в Telegram с настраиваемой паузой.
+- **Фоновый мониторинг.** Видео обрабатывается в отдельном потоке: интерфейс не подвисает,
+  а мониторинг продолжается при переключении вкладок и перезагрузке страницы.
+- **Клипы с предзаписью.** В клип попадают несколько секунд *до* тревоги.
+- **Переподключение к камере** при обрыве связи.
+- **Консольный режим** для круглосуточной работы на сервере без браузера.
+- Аналитика по периодам, тепловая карта активности, карта камер, экспорт журнала в CSV.
+- Поддерживаются модели classify (как текущая `models/best.pt`) и detect (с рамками).
 
 ## Установка
 
+Нужен Python 3.10 или новее.
+
 ```bash
+python -m venv .venv
+.venv\Scripts\activate          # Windows
+source .venv/bin/activate       # Linux/macOS
 pip install -r requirements.txt
 ```
 
+### Настройка Telegram
+
+Скопируйте `.env.example` в `.env` и заполните:
+
+```ini
+ECOWATCH_TG_TOKEN=123456:ABC...     # токен от @BotFather
+ECOWATCH_TG_CHAT_ID=123456789       # ID чата, можно узнать у @userinfobot
+```
+
+Токен никогда не хранится в коде: файл `.env` исключён из git.
+
 ## Запуск
 
+### Веб-интерфейс
+
 ```bash
 streamlit run main.py
 ```
 
-Или через батник:
+Или двойной клик по `run_app.bat` в Windows. Откроется http://localhost:8501.
 
+### Консольный режим
+
+```bash
+python -m ecowatch 0                                   # веб-камера №0
+python -m ecowatch rtsp://user:pass@192.168.1.10/live --record
+python -m ecowatch video.mp4 --show                    # с окном предпросмотра
+python -m ecowatch screen                              # захват экрана
+python -m ecowatch report                              # отчёт за сегодня в Telegram
+python -m ecowatch --help                              # все параметры
 ```
-run_app.bat
-```
+
+Ежедневный отчёт удобно отправлять по расписанию: через планировщик заданий Windows или cron.
+
+## Настройка чувствительности
+
+| Параметр | По умолчанию | Смысл |
+|---|---|---|
+| Порог вероятности | 0.65 | минимальная сглаженная вероятность опасного класса |
+| Отрыв от 2-го класса | 0.15 | защита от неоднозначных кадров |
+| Сглаживание | 0.35 | вес нового кадра: меньше — стабильнее, но медленнее реакция |
+| Кадров для подтверждения | 4 | сколько опасных кадров подряд нужно для тревоги |
+| Кадров для отбоя | 15 | сколько чистых кадров подряд завершают инцидент |
+
+В веб-интерфейсе пороги меняются на лету, без перезапуска мониторинга.
 
 ## Обучение модели
 
-Подготовьте датасет в папке `dataset_detect/` со структурой:
+**Классификация** (как у текущей модели): датасет из папок по классам.
 
 ```
 dataset_detect/
-├── train/
-│   ├── fire/
-│   ├── normal/
-│   └── smoke/
-└── valid/
-    ├── fire/
-    ├── normal/
-    └── smoke/
+├── train/ {fire, normal, smoke}/
+└── val/   {fire, normal, smoke}/
+```
+
+```bash
+python train.py --data dataset_detect
 ```
 
-Запустите:
+**Детекция с рамками** (рекомендуется: точнее и показывает, *где* огонь): датасет в формате YOLO.
 
 ```bash
-python train.py
+python train.py --data fire_smoke/data.yaml --model yolov8s.pt --imgsz 640
+```
+
+Лучшие веса автоматически копируются в `models/best.pt`, а прежняя модель сохраняется
+рядом как `best_<дата>.pt`.
+
+## Структура проекта
+
+```
+main.py              точка входа Streamlit
+train.py             обучение модели
+ecowatch/
+├── config.py        настройки и пороги (.env)
+├── detector.py      обёртка YOLO: classify и detect
+├── tracker.py       сглаживание и гистерезис → инциденты
+├── monitor.py       фоновый цикл мониторинга
+├── sources.py       камеры, потоки, файлы, экран
+├── storage.py       журнал инцидентов (SQLite)
+├── notifier.py      Telegram (в фоне)
+├── recorder.py      клипы с предзаписью
+├── overlay.py       отрисовка поверх видео
+├── ui.py            веб-интерфейс
+└── cli.py           консольный режим
+tests/               тесты (pytest)
 ```
 
-## Стек
+Данные хранятся в `data/`: база `ecowatch.db`, а также папки `snapshots/` и `clips/`.
+Журнал старой версии (`detection_history.json`) импортируется автоматически при первом запуске.
 
-- Python 3.11
-- Streamlit
-- YOLOv8 (ultralytics)
-- OpenCV
-- Plotly
+## Разработка
+
+```bash
+pip install -r requirements-dev.txt
+pytest
+ruff check . && ruff format --check .
+```

ecowatch/__init__.py

@@ -0,0 +1,3 @@
+"""EcoWatch AI — обнаружение пожаров и дыма на видео с помощью YOLO."""
+
+__version__ = "4.0.0"

ecowatch/__main__.py

@@ -0,0 +1,5 @@
+import sys
+
+from .cli import main
+
+sys.exit(main())

ecowatch/cli.py

@@ -0,0 +1,114 @@
+"""Консольный режим без браузера — для круглосуточной работы на сервере.
+
+Примеры:
+    python -m ecowatch 0                          # веб-камера 0
+    python -m ecowatch rtsp://user:pass@ip/stream --record
+    python -m ecowatch video.mp4 --show           # с окном предпросмотра
+    python -m ecowatch report                     # отправить отчёт за сегодня в Telegram
+"""
+
+from __future__ import annotations
+
+import argparse
+import logging
+import signal
+import sys
+import time
+
+from .config import DetectionParams, Settings
+from .notifier import AsyncSender, TelegramNotifier, format_daily_report
+from .sources import parse_source
+from .storage import EventStore
+
+
+def build_parser() -> argparse.ArgumentParser:
+    d = DetectionParams()
+    p = argparse.ArgumentParser(prog="ecowatch", description="EcoWatch AI — мониторинг пожаров и дыма")
+    p.add_argument("source", help="0 (камера), rtsp://…, путь к видео, screen[:N] или 'report'")
+    p.add_argument("--model", help="путь к весам YOLO (по умолчанию models/best.pt)")
+    p.add_argument("--conf", type=float, default=d.conf_threshold, help="порог вероятности")
+    p.add_argument("--margin", type=float, default=d.margin, help="отрыв от второго класса")
+    p.add_argument("--confirm", type=int, default=d.confirm_frames, help="кадров для подтверждения")
+    p.add_argument("--clear", type=int, default=d.clear_frames, help="кадров для отбоя")
+    p.add_argument("--record", action="store_true", help="записывать клипы инцидентов")
+    p.add_argument("--no-telegram", action="store_true", help="не отправлять уведомления")
+    p.add_argument("--cooldown", type=float, default=60, help="пауза между тревогами, с")
+    p.add_argument("--show", action="store_true", help="показывать окно с видео")
+    p.add_argument("-v", "--verbose", action="store_true")
+    return p
+
+
+def main(argv: list[str] | None = None) -> int:
+    args = build_parser().parse_args(argv)
+    logging.basicConfig(
+        level=logging.DEBUG if args.verbose else logging.INFO,
+        format="%(asctime)s %(levelname)-7s %(message)s",
+        datefmt="%H:%M:%S",
+    )
+    settings = Settings.from_env()
+    if args.model:
+        from pathlib import Path
+
+        settings.model_path = Path(args.model)
+    settings.ensure_dirs()
+    store = EventStore(settings.db_path)
+    notifier = TelegramNotifier(settings.telegram_token, settings.telegram_chat_id)
+
+    if args.source == "report":
+        if not notifier.enabled:
+            logging.error("Telegram не настроен (ECOWATCH_TG_TOKEN / ECOWATCH_TG_CHAT_ID)")
+            return 1
+        return 0 if notifier.send_message(format_daily_report(store.day_summary())) else 1
+
+    from .detector import Detector
+    from .monitor import Monitor, MonitorOptions
+
+    detector = Detector(settings.model_path, settings.device)
+    logging.info("Модель %s (%s): %s", settings.model_path.name, detector.task, ", ".join(detector.names))
+    options = MonitorOptions(
+        source=parse_source(args.source),
+        params=DetectionParams(
+            conf_threshold=args.conf, margin=args.margin, confirm_frames=args.confirm, clear_frames=args.clear
+        ),
+        notify=not args.no_telegram and notifier.enabled,
+        notify_cooldown=args.cooldown,
+        record=args.record,
+        lat=settings.camera_lat,
+        lon=settings.camera_lon,
+    )
+    if not args.no_telegram and not notifier.enabled:
+        logging.warning("Telegram не настроен — уведомления отключены")
+    sender = AsyncSender()
+    monitor = Monitor(detector, store, settings, options, notifier, sender)
+
+    signal.signal(signal.SIGINT, lambda *_: monitor.stop(wait=False))
+    if hasattr(signal, "SIGTERM"):
+        signal.signal(signal.SIGTERM, lambda *_: monitor.stop(wait=False))
+
+    monitor.start()
+    logging.info("Мониторинг запущен: %s (Ctrl+C — остановить)", options.source.label)
+    last_log = 0.0
+    while monitor.alive:
+        s = monitor.state()
+        if args.show and s.frame is not None:
+            import cv2
+
+            cv2.imshow("EcoWatch AI", s.frame)
+            if cv2.waitKey(1) & 0xFF in (ord("q"), 27):
+                monitor.stop(wait=False)
+        else:
+            time.sleep(0.2)
+        if time.monotonic() - last_log > 30:
+            last_log = time.monotonic()
+            logging.info("кадров: %d · %.1f FPS · инцидентов: %d", s.frames, s.fps, s.incidents)
+    monitor.stop()
+    sender.join()
+    s = monitor.state()
+    if s.error:
+        logging.error("Ошибка: %s", s.error)
+    logging.info("Готово. Кадров: %d, инцидентов: %d", s.frames, s.incidents)
+    return 1 if s.error else 0
+
+
+if __name__ == "__main__":
+    sys.exit(main())