# ============================================================================
# plate-ai-api — Beispiel-Konfiguration. Kopieren nach .env und anpassen.
#   cp .env.example .env
# ============================================================================

# --- Allgemein ---
APP_ENV=production                 # development | production
DEBUG=false
API_PREFIX=/api/v1
# Kommagetrennte erlaubte Origins für CORS (leer = keine Browser-CORS-Freigabe)
CORS_ORIGINS=

# --- Server ---
HOST=127.0.0.1
PORT=8080
WORKERS=2                          # Gunicorn-Worker (CPU-Kerne beachten, kein GPU)

# --- Sicherheit ---
# Secret zum Hashen/HMAC der API-Keys. MUSS gesetzt & geheim sein.
# Generieren:  python -c "import secrets; print(secrets.token_urlsafe(48))"
SECRET_KEY=CHANGE_ME_super_secret_random_string
# Separater Key/Passwort für Admin-Endpunkte (Header X-Admin-Token)
ADMIN_TOKEN=CHANGE_ME_admin_token

# --- Datenbank (PostgreSQL empfohlen) ---
# Postgres:  postgresql+psycopg://user:pass@localhost:5432/plate_ai
# MariaDB:   mysql+pymysql://user:pass@localhost:3306/plate_ai
DATABASE_URL=postgresql+psycopg://plateai:plateai@localhost:5432/plate_ai

# --- Redis (optional; für verteiltes Rate-Limit / Cache / Queue) ---
# Leer lassen -> In-Memory-Fallback (nur für Single-Worker/Dev sinnvoll)
REDIS_URL=redis://localhost:6379/0

# --- Upload / Bild-Limits ---
MAX_UPLOAD_MB=10                   # harte Obergrenze eingehender Dateien
ALLOWED_IMAGE_TYPES=image/jpeg,image/png,image/webp
MAX_IMAGE_DIMENSION=1920           # längere Kante -> auf diesen Wert herunterskaliert
MIN_IMAGE_DIMENSION=64             # kleiner = Ablehnung

# --- Rate-Limiting (Default-Tarif; pro API-Key überschreibbar in DB) ---
RATE_LIMIT_PER_MINUTE=60
RATE_LIMIT_PER_MONTH=10000

# --- DSGVO / Datenspeicherung ---
STORE_IMAGES=false                 # true nur für Debug/Training (opt-in!)
STORE_RESULTS=true                 # Ergebnis-Metadaten (ohne Bild) speichern
MASK_PLATE_IN_LOGS=true            # Kennzeichen in Logs maskieren (z.B. HRO-**-***)
RESULT_RETENTION_DAYS=30           # automatische Löschung alter Ergebnisse
DEBUG_IMAGE_DIR=data/debug

# --- Modelle / Pipeline ---
# Engines: yolo (ONNX) | opencv (Heuristik-Fallback)  bzw.  paddle | easyocr
VEHICLE_DETECTOR=yolo
PLATE_DETECTOR=yolo
OCR_ENGINE=paddle
VEHICLE_CLASSIFIER=onnx            # onnx | none  (Marke/Modell; braucht eigenes Modell)

# Pfade zu Modell-Weights (leer => Modul meldet sich als "nicht verfügbar")
MODEL_DIR=data/models
VEHICLE_DETECTOR_WEIGHTS=data/models/yolov8n.onnx
PLATE_DETECTOR_WEIGHTS=data/models/plate_yolov8n.onnx
VEHICLE_CLASSIFIER_WEIGHTS=data/models/vehicle_make.onnx

# Confidence-Schwellen
VEHICLE_MIN_CONFIDENCE=0.35
PLATE_DETECT_MIN_CONFIDENCE=0.30
OCR_MIN_CONFIDENCE=0.40
MODEL_MIN_CONFIDENCE=0.60          # unter diesem Wert -> model = "unknown"

# --- Regionen-Daten ---
REGIONS_DE_FILE=data/regions/de_regions.json
COUNTRIES_EU_FILE=data/regions/eu_countries.json