سامانه تولید عکس حرفه ای

1. هدف پروژه ساخت یک سامانه آنلاین که بتواند: 1. عکس‌های خام محصولات خانه و آشپزخانه را دریافت کند. 2. محصول را با دقت بسیار بالا تشخیص دهد و موقعیت کاربردی آن را تعیین کند (خانگی، صنعتی، فروشگاهی و…). 3. عکس صنعتی یا با بک‌گراند سفید حرفه‌ای تولید کند: • ظاهر محصول تغییر نکند • امکان انتخاب بک‌گراند صنعتی یا سفید • نورپردازی، سایه و محیط تبلیغاتی مناسب اضافه شود • ابعاد و رزولوشن عکس خروجی قابل تنظیم باشد 4. امکان ارائه سرویس به مشتریان به صورت بسته‌های قابل خرید با پرداخت آنلاین. 5. پردازش هر محصول ≤5 ثانیه و با دقت بسیار بالا. ⸻ 2. ورودی‌ها • عکس‌های خام محصولات (فرمت JPG/PNG) • اطلاعات اختیاری: نام محصول، دسته‌بندی، توضیح کوتاه ⸻ 3. خروجی‌ها • عکس صنعتی حرفه‌ای یا با بک‌گراند سفید • فرمت: JPG/PNG با کیفیت بالا • ابعاد و رزولوشن قابل تنظیم توسط کاربر (مثلاً 1080×1080، 1920×1080، 4K) • گزارش تحلیل محصول: • نوع محصول • موقعیت پیشنهادی (خانگی / صنعتی / فروشگاهی) • لینک دانلود فایل‌ها برای مشتری ⸻ 4. ویژگی‌ها و الزامات فنی 1. تشخیص محصول: مدل بینایی ماشین آموزش دیده روی تصاویر محصولات پخش عزیزی 2. جداسازی محصول از پس‌زمینه: استفاده از SAM یا تکنیک مشابه 3. قرار دادن محصول روی بک‌گراند: • صنعتی حرفه‌ای یا بک‌گراند سفید (قابل انتخاب توسط کاربر) • حفظ ظاهر محصول، نورپردازی، سایه و محیط مناسب 4. پردازش سریع: ≤5 ثانیه برای هر محصول 5. دقت تحلیل: حداکثر دقت در تشخیص محصول و موقعیت 6. سرویس آنلاین برای مشتریان: • امکان ثبت‌نام / ورود • انتخاب بسته‌های مختلف (مثلاً بسته 50 عکس، 100 عکس، 200 عکس) • پرداخت آنلاین (درگاه زرین‌پال، شاپرک یا پی‌پال) • کنترل تعداد عکس‌های قابل پردازش بر اساس بسته خریداری شده • داشبورد مشتری برای مشاهده وضعیت پردازش و دانلود عکس‌ها 7. مقیاس‌پذیری: پردازش دسته‌ای عکس‌ها، صف‌بندی با Celery + Redis، استفاده از GPU ⸻ 5. پشته فنی پیشنهادی • Backend: Python (FastAPI / Flask) • Frontend: React / Vue برای داشبورد مشتری • مدل بینایی: YOLOv8 / CLIP / Fine-Tuned مدل اختصاصی روی محصولات شما • پردازش تصویر: Stable Diffusion + ControlNet برای قرار دادن محصول روی بک‌گراند صنعتی • دیتابیس: Postgres یا SQLite برای MVP • پرداخت آنلاین: API درگاه ایرانی (زرین‌پال، شاپرک) • استقرار: Docker، سرور ابری با GPU (AWS, GCP یا سرویس‌های ایرانی مثل ابر آروان) ⸻ 6. مراحل پیشنهادی پیاده‌سازی 1. جمع‌آوری دیتاست: تصاویر محصولات پخش عزیزی با برچسب‌های دسته‌بندی و موقعیت 2. آموزش مدل بینایی: تشخیص محصول با دقت بالا 3. جداسازی محصول از بک‌گراند: با SAM یا روش مشابه 4. قرار دادن محصول روی بک‌گراند صنعتی یا سفید: با حفظ ظاهر و نورپردازی حرفه‌ای 5. ماژول انتخاب بک‌گراند و ابعاد: توسط کاربر قابل تنظیم 6. طراحی API و داشبورد آنلاین: آپلود عکس، انتخاب بسته، پرداخت آنلاین، دانلود خروجی 7. صف پردازش (Queue) و Batch: برای پردازش سریع و همزمان عکس‌ها 8. تست و تضمین کیفیت: حداقل روی 30 محصول نمونه، بررسی عدم تغییر ظاهر، صحت موقعیت و کیفیت خروجی ⸻ 7. تست و تضمین کیفیت • تست روی حداقل 30 محصول نمونه • تضمین عدم تغییر ظاهر محصول • بررسی صحت موقعیت صنعتی/تبلیغاتی محصول • بررسی صحت بک‌گراند سفید و صنعتی و قابلیت تنظیم ابعاد • تست پرداخت آنلاین و محدودیت تعداد عکس‌ها ⸻ 8. تحویل نهایی • کد کامل سامانه + مستندات نصب و اجرا • دسترسی به داشبورد آنلاین برای مشتریان • امکان انتخاب بک‌گراند، ابعاد و رزولوشن خروجی • راهنمای کوتاه استفاده و مدیریت بسته‌ها ⸻ 9. نکات مهم برای فریلنسر • دقت تشخیص محصول و پردازش تصویر باید بالا باشد • محصول اصلی هیچ تغییری در ظاهر نداشته باشد • سرعت پردازش ≤5 ثانیه برای هر عکس • سامانه باید مقیاس‌پذیر و آماده سرویس آنلاین باشد • امنیت عکس‌های مشتریان و پرداخت آنلاین رعایت شود