miinventario-v2/docs/01-epicas/MII-005-procesamiento-ia.md

# MII-005: Procesamiento IA

---
id: MII-005
type: Epic
status: Pendiente
priority: P0
phase: 1
story_points: 34
created_date: 2026-01-10
updated_date: 2026-01-10
simco_version: "4.0.0"
---

## Metadata

| Campo | Valor |
|-------|-------|
| **ID** | MII-005 |
| **Nombre** | Procesamiento IA |
| **Fase** | 1 - MVP Core |
| **Prioridad** | P0 |
| **Story Points** | 34 |
| **Estado** | Pendiente |

---

## 1. Descripcion

Implementar el pipeline de procesamiento de video con IA para deteccion, identificacion y conteo de productos, incluyendo el job asincrono, abstraccion de proveedores, y consolidacion multi-frame.

### Objetivo

Procesar videos de anaqueles para identificar y contar productos automaticamente, entregando resultados precisos al usuario.

---

## 2. Requerimientos Relacionados

| RF | Descripcion | Prioridad |
|----|-------------|-----------|
| FR-031 | Job asincrono con estados PENDING/PROCESSING/DONE/FAILED | P0 |
| FR-032 | Notificacion push o polling para "resultado listo" | P1 |
| FR-033 | Almacenamiento temporal (7-30 dias) y borrado automatico | P1 |
| FR-040 | Deteccion con bounding boxes/segmentacion | P0 |
| FR-041 | Identificacion SKU (multiclase o 2 etapas) | P0 |
| FR-042 | Consolidacion multi-frame (evitar doble conteo) | P0 |
| FR-043 | Umbrales de confianza (Duda, Desconocido) | P0 |

---

## 3. Criterios de Aceptacion

### AC-001: Job Asincrono
```gherkin
DADO que un video fue subido exitosamente
CUANDO el sistema lo recibe
ENTONCES se crea un job con status PENDING
Y se encola para procesamiento
Y el usuario puede ver el status en tiempo real
```

### AC-002: Deteccion de Productos
```gherkin
DADO que el job esta en PROCESSING
CUANDO el sistema analiza los frames
ENTONCES detecta productos con bounding boxes
Y cada deteccion tiene coordenadas y confianza
```

### AC-003: Identificacion de SKU
```gherkin
DADO que hay productos detectados
CUANDO el sistema los identifica
ENTONCES asocia cada producto a un SKU conocido
O lo marca como "Desconocido" si no hay match
O lo marca como "Duda" si conf < threshold
```

### AC-004: Consolidacion Multi-frame
```gherkin
DADO que un producto aparece en multiples frames
CUANDO el sistema consolida resultados
ENTONCES lo cuenta una sola vez
Y usa tracking espacial-temporal
Y el conteo final es preciso
```

### AC-005: Notificacion de Resultado
```gherkin
DADO que el procesamiento termino
CUANDO el status cambia a DONE
ENTONCES el usuario recibe notificacion push
Y puede ver el reporte inmediatamente
```

### AC-006: Almacenamiento Temporal
```gherkin
DADO que un video fue procesado
CUANDO pasan N dias (configurable)
ENTONCES el video y artefactos se eliminan automaticamente
Y los resultados del inventario se mantienen
```

---

## 4. Tareas Tecnicas

| ID | Tarea | Estimacion | Estado |
|----|-------|------------|--------|
| T-001 | Crear modulo ia-provider en NestJS | 2 SP | Pendiente |
| T-002 | Implementar abstraccion de proveedores IA | 3 SP | Pendiente |
| T-003 | Crear adapter para proveedor inicial | 2 SP | Pendiente |
| T-004 | Implementar servicio de extraccion de frames | 2 SP | Pendiente |
| T-005 | Crear procesador de queue (Bull) | 3 SP | Pendiente |
| T-006 | Implementar pipeline de deteccion | 4 SP | Pendiente |
| T-007 | Implementar identificacion de SKU | 4 SP | Pendiente |
| T-008 | Crear algoritmo de consolidacion multi-frame | 5 SP | Pendiente |
| T-009 | Implementar tracking espacial-temporal | 3 SP | Pendiente |
| T-010 | Crear logica de umbrales y estados | 2 SP | Pendiente |
| T-011 | Implementar notificaciones push | 2 SP | Pendiente |
| T-012 | Crear job de limpieza automatica | 2 SP | Pendiente |

---

## 5. Arquitectura del Pipeline

```
┌─────────────────────────────────────────────────────────────────────────────┐
│                         PIPELINE DE PROCESAMIENTO IA                         │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                              │
│  ┌──────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐   ┌──────────┐  │
│  │  Video   │──▶│  Extract │──▶│  Detect  │──▶│ Identify │──▶│Consolidate│ │
│  │  Input   │   │  Frames  │   │ Products │   │   SKU    │   │  Results  │  │
│  └──────────┘   └──────────┘   └──────────┘   └──────────┘   └──────────┘  │
│       │              │              │              │              │         │
│       ▼              ▼              ▼              ▼              ▼         │
│    S3 Key      10-30 frames    Bounding      Product IDs     Final Count   │
│                 @ 1 fps         Boxes        + Confidence    per SKU       │
│                                                                              │
│  ┌──────────────────────────────────────────────────────────────────────┐   │
│  │                      IA PROVIDER ABSTRACTION                          │   │
│  │  ┌────────────┐  ┌────────────┐  ┌────────────┐  ┌────────────┐      │   │
│  │  │  OpenAI    │  │  Claude    │  │  Google    │  │  Custom    │      │   │
│  │  │  Vision    │  │  Vision    │  │  Vision    │  │  Model     │      │   │
│  │  └────────────┘  └────────────┘  └────────────┘  └────────────┘      │   │
│  └──────────────────────────────────────────────────────────────────────┘   │
│                                                                              │
└─────────────────────────────────────────────────────────────────────────────┘
```

---

## 6. Modelo de Datos

### Tabla: inventory_sessions
```sql
CREATE TABLE inventory_sessions (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  store_id UUID REFERENCES stores(id),
  user_id UUID REFERENCES users(id),
  video_id UUID REFERENCES videos(id),
  status VARCHAR(20) DEFAULT 'PENDING',
  started_at TIMESTAMP,
  completed_at TIMESTAMP,
  total_products INT,
  total_items INT,
  confidence_avg DECIMAL(5,2),
  credits_consumed INT,
  cogs_amount DECIMAL(10,4),
  ia_provider VARCHAR(50),
  processing_metadata JSONB,
  created_at TIMESTAMP DEFAULT NOW(),
  updated_at TIMESTAMP DEFAULT NOW()
);

-- Status: PENDING, PROCESSING, DONE, FAILED
```

### Tabla: inventory_items
```sql
CREATE TABLE inventory_items (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  session_id UUID REFERENCES inventory_sessions(id) ON DELETE CASCADE,
  product_id UUID REFERENCES products(id),
  quantity INT NOT NULL,
  confidence DECIMAL(5,2),
  status VARCHAR(20) DEFAULT 'DETECTED',
  bounding_boxes JSONB, -- Array de boxes por frame
  frame_numbers INT[],
  evidence_urls TEXT[],
  user_corrected BOOLEAN DEFAULT false,
  original_product_id UUID,
  original_quantity INT,
  created_at TIMESTAMP DEFAULT NOW(),
  updated_at TIMESTAMP DEFAULT NOW()
);

-- Status: DETECTED, DOUBT, UNKNOWN, CONFIRMED, CORRECTED
```

### Tabla: products
```sql
CREATE TABLE products (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  name VARCHAR(200) NOT NULL,
  brand VARCHAR(100),
  category VARCHAR(100),
  subcategory VARCHAR(100),
  barcode VARCHAR(50),
  presentation VARCHAR(100),
  embedding VECTOR(1536), -- Para busqueda por similitud
  image_url VARCHAR(500),
  is_verified BOOLEAN DEFAULT false,
  created_by UUID REFERENCES users(id),
  created_at TIMESTAMP DEFAULT NOW(),
  updated_at TIMESTAMP DEFAULT NOW()
);
```

### Tabla: cogs_records
```sql
CREATE TABLE cogs_records (
  id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
  session_id UUID REFERENCES inventory_sessions(id),
  provider VARCHAR(50),
  frames_processed INT,
  tokens_used INT,
  cost_usd DECIMAL(10,6),
  cost_mxn DECIMAL(10,4),
  exchange_rate DECIMAL(10,4),
  created_at TIMESTAMP DEFAULT NOW()
);
```

---

## 7. Endpoints API

| Metodo | Endpoint | Descripcion | Auth |
|--------|----------|-------------|------|
| POST | /inventory/sessions | Crear sesion de inventario | JWT |
| GET | /inventory/sessions/:id | Obtener sesion | JWT |
| GET | /inventory/sessions/:id/status | Estado del procesamiento | JWT |
| GET | /inventory/sessions/:id/items | Items detectados | JWT |
| POST | /inventory/sessions/:id/reprocess | Reprocesar sesion | JWT |

---

## 8. Abstraccion de Proveedores

### Interface IAProvider

```typescript
interface IAProvider {
  name: string;

  detectProducts(frames: Buffer[]): Promise<Detection[]>;

  identifyProduct(detection: Detection): Promise<ProductMatch>;

  getCostPerFrame(): number;

  isAvailable(): Promise<boolean>;
}

interface Detection {
  frameNumber: number;
  boundingBox: BoundingBox;
  confidence: number;
  embedding?: number[];
}

interface ProductMatch {
  productId: string | null;
  confidence: number;
  alternatives: Array<{productId: string; confidence: number}>;
  isKnown: boolean;
}
```

---

## 9. Algoritmo de Consolidacion

```
1. Para cada frame F[i]:
   - Obtener detecciones D[i] = detect(F[i])

2. Para cada deteccion d en D[i]:
   - Calcular embedding e(d)
   - Buscar match en detecciones anteriores por:
     a. Posicion similar (IoU > 0.5)
     b. Embedding similar (cosine > 0.8)

3. Si hay match:
   - Actualizar track existente
   - Promediar confianza

4. Si no hay match:
   - Crear nuevo track

5. Al final:
   - Agrupar tracks por producto
   - Contar instancias unicas
   - Aplicar umbrales de confianza
```

---

## 10. Umbrales de Confianza

| Rango | Estado | Accion |
|-------|--------|--------|
| >= 0.85 | DETECTED | Incluir en reporte |
| 0.60 - 0.84 | DOUBT | Solicitar confirmacion |
| < 0.60 | UNKNOWN | Permitir etiquetado |

---

## 11. Dependencias

### Entrada (Requiere)
- MII-001: Infraestructura Base
- MII-002: Autenticacion
- MII-003: Gestion de Tiendas
- MII-004: Captura de Video

### Salida (Bloquea)
- MII-006: Reportes de Inventario
- MII-007: Retroalimentacion
- MII-009: Wallet y Creditos (COGS)

---

## 12. Integraciones

| Servicio | Uso |
|----------|-----|
| Bull/Redis | Job queue |
| S3/MinIO | Frames y artefactos |
| OpenAI/Claude | Vision API |
| Firebase FCM | Push notifications |
| PostgreSQL | Resultados |

---

## 13. Riesgos

| Riesgo | Probabilidad | Impacto | Mitigacion |
|--------|--------------|---------|------------|
| IA imprecisa | Alta | Alto | Retroalimentacion, fine-tuning |
| Costos altos | Media | Alto | Optimizar frames, cache |
| Latencia | Media | Medio | Async, notificaciones |
| Proveedor caido | Baja | Alto | Fallback a otro proveedor |

---

## 14. Metricas

| Metrica | Objetivo |
|---------|----------|
| Precision | > 80% en productos conocidos |
| Tiempo promedio | < 2 minutos por sesion |
| Costo promedio | < $0.50 USD por sesion |
| Tasa de "Duda" | < 15% de detecciones |
| Tasa de "Desconocido" | < 10% de detecciones |

---

## 15. Referencias

- [REQUERIMIENTOS-FUNCIONALES.md](../00-vision-general/REQUERIMIENTOS-FUNCIONALES.md) - Secciones 5.4, 5.5
- [ARQUITECTURA-TECNICA.md](../00-vision-general/ARQUITECTURA-TECNICA.md)
- [ADR-0003](../97-adr/ADR-0003-abstraccion-proveedores-ia.md) - Abstraccion IA
- [INT-006](../02-integraciones/INT-006-ia-provider.md) - Integracion IA

---

**Ultima Actualizacion:** 2026-01-10