Desarrollo Mvp Restaurant Vision Ai: Monitoreo de Mesas con Python, Computer Vision y Saas

Estamos buscando un desarrollador o un pequeño equipo con experiencia sólida en Python, Computer Vision y despliegue de aplicaciones SaaS para construir el Producto Mínimo Viable (MVP) de "Restaurant Vision AI". Este proyecto tiene como objetivo principal desarrollar una plataforma innovadora que se conecte a las cámaras de seguridad existentes de un restaurante (RTSP) para permitir el monitoreo en tiempo real de la ocupación de mesas, tiempos de atención, rotación y la generación de alertas operativas.

Alcance del MVP:
El alcance del MVP incluye las siguientes funcionalidades clave:
1. Conexión a cámaras ip/dvr mediante el protocolo rtsp utilizando la biblioteca opencv.
2. Detección de personas en tiempo real implementando el modelo YOLOv8 (utilizando un modelo COCO preentrenado).
3. Definición de zonas de mesas a través de coordenadas que serán almacenadas en una base de datos o archivo JSON.
4. Detección precisa de la ocupación por mesa.
5. Implementación de un cronómetro por mesa que registre el tiempo actual de ocupación, el tiempo acumulado y el número de rotaciones diarias.
6. Configuración de alertas automáticas vía WhatsApp cuando una mesa permanezca ocupada por más de un tiempo predefinido.
7. Desarrollo de un dashboard web interactivo utilizando React, que muestre el estado actual de las mesas (libres/ocupadas), el tiempo de ocupación, las rotaciones del día y una visualización simplificada de las horas pico.
8. Creación de un backend robusto con FastAPI y PostgreSQL para el almacenamiento eficiente de todos los eventos generados.
9. Comunicación en tiempo real entre el frontend y el backend mediante WebSockets.
10. Empaquetado completo de la aplicación en Docker para facilitar su despliegue en un servidor privado virtual (VPS) con sistema operativo Ubuntu.

Funcionalidades no requeridas para el MVP:
Para mantener el enfoque y la agilidad del MVP, las siguientes funcionalidades no están incluidas en el alcance inicial:
- Un editor visual de tipo drag&drop para la definición de zonas.
- Un sistema avanzado de gestión de usuarios y permisos.
- Reportes históricos complejos o análisis de datos avanzados.
- Predicciones o modelos de inteligencia artificial adicionales más allá de la detección de personas.
- Entrenamiento personalizado de modelos de Computer Vision.

Stack tecnológico esperado:
- Backend: Python, FastAPI, OpenCV, YOLOv8, PostgreSQL.
- Frontend: React con Tailwind CSS.
- Infraestructura: Docker Compose.

Entregables:
Los entregables esperados al finalizar el proyecto son:
- El código fuente completo del proyecto, alojado en un repositorio Git privado.
- Un archivo Docker Compose funcional para la orquestación de los servicios.
- Un script de configuración inicial para el entorno de desarrollo y producción.
- Un archivo README detallado con instrucciones claras de instalación y despliegue.
- El sistema funcionando y probado con al menos una cámara RTSP real (se puede proporcionar acceso a una cámara de prueba).
- La transferencia total del código, la documentación completa y la propiedad intelectual del proyecto.