30 lines
1.1 KiB
Markdown
30 lines
1.1 KiB
Markdown
# Clasificador de Aves - ML Fullstack
|
|
|
|
Este proyecto cumple con los requerimientos de la Semana 15, integrando un modelo de Machine Learning (Teachable Machine) con una arquitectura Frontend/Backend.
|
|
|
|
## Estructura
|
|
- **Backend:** Node.js + Express (`server.js`). Maneja el registro de detecciones.
|
|
- **Frontend:** HTML/JS + TensorFlow.js (`public/`). Realiza la clasificación en tiempo real.
|
|
|
|
## Requisitos Previos
|
|
1. Instalar dependencias:
|
|
```bash
|
|
npm install
|
|
```
|
|
|
|
## Configuración del Modelo
|
|
1. Entrena tu modelo en [Teachable Machine](https://teachablemachine.withgoogle.com/).
|
|
2. Exporta el modelo como "TensorFlow.js".
|
|
3. Descarga los archivos (`model.json`, `metadata.json`, `weights.bin`).
|
|
4. Colócalos en la carpeta `public/model/`.
|
|
|
|
## Ejecución
|
|
1. Inicia el servidor:
|
|
```bash
|
|
node server.js
|
|
```
|
|
2. Abre tu navegador en `http://localhost:3000`.
|
|
|
|
## Integración Frontend-Backend
|
|
Cada vez que el frontend detecta un ave con más del 90% de confianza, envía una petición POST al endpoint `/api/detections` del backend para guardarla en el historial.
|