💧 EdgeLeak AI - Producto Mínimo Viable (MVP)

Bienvenido al repositorio oficial del MVP de EdgeLeak AI, un proyecto desarrollado para el Proyecto Integrador (PICUR) de la Corporación Universitaria Remington.

Esta aplicación móvil (construida con Flutter) simula el comportamiento de un sistema IoT para la detección inteligente de microfugas en lavaplatos domésticos utilizando Inteligencia Artificial (Groq API).

---

🛠️ Requisitos Previos (¡Muy Importante!)

Antes de clonar el proyecto, asegúrate de tener instalado el SDK de Flutter y un entorno de desarrollo (VS Code o Android Studio).

Abre tu terminal y ejecuta el siguiente comando para verificar tu entorno:

flutter doctor

⚠️ ATENCIÓN: Para que el proyecto compile sin errores, TODOS los checks de flutter doctor relacionados con tu sistema (Windows/Mac), Android toolchain y tu IDE deben estar en verde ([✓]). Si tienes una [X], debes resolverla antes de continuar.

---

🚀 Instalación y Configuración

Sigue estos pasos al pie de la letra para levantar el proyecto en tu máquina local:

1. Clonar el repositorio

Abre tu terminal en la carpeta donde deseas guardar el proyecto y ejecuta:

git clone <https://github.com/DanielRestrepoGaleano/EdgeLeakAI.git>
cd edgeleak

2. Instalar dependencias

Descarga todos los paquetes necesarios (HTTP, Sqflite, DotEnv, etc.) ejecutando:

flutter pub get

3. Configurar la API Key de Groq (Variables de Entorno)

Por seguridad, la llave de la Inteligencia Artificial no está subida a este repositorio. En la raíz del proyecto encontrarás un archivo llamado .variable_entorno.example.

• Renombra el archivo .variable_entorno.example para que se llame únicamente .env
• Ábrelo y reemplaza el texto con tu API Key real de Groq:

# Archivo .env
GROQ_API_KEY=gsk_AQUI_PONE_LA_API_KEY_REAL_DE_GROQ

(Nota: El archivo .env ya está ignorado en el .gitignore para no subir credenciales sensibles).

4. Ejecutar la aplicación

Conecta tu celular por USB o inicia tu Emulador de Android/iOS y ejecuta:

flutter run

---

🧠 ¿Cómo funciona la aplicación? (Arquitectura MVP)

El sistema está diseñado bajo el patrón MVC (Modelo-Vista-Controlador) y opera de la siguiente manera:

🌊 Simulador Dinámico de Hardware

Dado que en esta fase no evaluamos el hardware físico (ESP32 + YF-S201), la pantalla principal ("Panel de Control") cuenta con un selector de inyección de datos con 3 estados:

• Normal: Simula un caudal aleatorio bajo (0.1 a 0.5 L/min). La animación muestra agua calmada en nivel bajo.
• Anomalía: Simula un flujo irregular (1.2 a 2.5 L/min). El agua sube a nivel medio y cambia a color advertencia.
• Fuga: Simula una tubería rota (6.0 a 9.0 L/min). El agua sube al máximo nivel, se agita rápidamente y la interfaz se torna roja (Crítica).

🤖 Inteligencia Artificial (Groq API)

Al presionar el botón "Evaluar con Inteligencia Artificial":

1. El controlador captura el estado exacto del agua en ese milisegundo.
2. Empaqueta el dato en un Payload estructurado y lo envía asíncronamente a la API de Groq usando el modelo avanzado llama-3.3-70b-versatile.
3. La IA analiza el caudal, genera un veredicto estructurado en formato JSON puro y la aplicación actualiza la interfaz sin bloquearse.

🗄️ Persistencia Local (Sqflite)

Cada vez que la IA devuelve un veredicto exitoso, el resultado se guarda automáticamente en una base de datos local SQLite (edgeleak_history.db). Puedes ver este registro histórico presionando el ícono de Reloj/Historial en la esquina superior derecha del Panel de Control.

---

📂 Estructura de Carpetas (lib/)

• /config: Temas globales y manejo de rutas.
• /controllers: Lógica de negocio y manejo de estado de la simulación.
• /data: Modelos de datos, comunicación con la API de Groq y base de datos Sqflite.
• /view: Pantallas (Dashboard, Historial) y Widgets personalizados (como la animación matemática de olas de agua).

---