DooDurian API

ยินดีต้อนรับสู่ DooDurian Developer Documentation เราให้บริการ Image Processing API สำหรับนักพัฒนาที่ต้องการนำระบบคัดกรองโรคใบทุเรียนจากภาพไปใช้งานร่วมกับแอปพลิเคชันหรือแพลตฟอร์มของคุณ

• รูปแบบไฟล์ที่รองรับ: JPG, JPEG, PNG, WebP, BMP
• ขนาดไฟล์สูงสุด: 10 MB ต่อรูป
• Base URL: https://team05.aiforthai.in.th

Quick Start

ส่งภาพใบทุเรียนไปยัง API เพียง 1 คำสั่ง:

curl -X POST \
  "https://team05.aiforthai.in.th/api/v1/webhook/scan" \
  -H "X-API-Key: YOUR_API_KEY" \
  -F "file=@durian-leaf.jpg"

import requests

response = requests.post(
    "https://team05.aiforthai.in.th/api/v1/webhook/scan",
    headers={"X-API-Key": "YOUR_API_KEY"},
    files={"file": open("durian-leaf.jpg", "rb")},
)
print(response.json())

const form = new FormData();
form.append("file", fileInput.files[0]);

const res = await fetch(
  "https://team05.aiforthai.in.th/api/v1/webhook/scan",
  {
    method: "POST",
    headers: { "X-API-Key": "YOUR_API_KEY" },
    body: form,
  }
);
const data = await res.json();
console.log(data);

Authentication

ทุก Request ต้องส่ง API Key ผ่าน Header X-API-Key

X-API-Key: YOUR_PARTNER_API_KEY

หากไม่ส่ง API Key หรือ Key ไม่ถูกต้อง จะได้รับ HTTP 401

ขอ API Key

API Key ไม่ได้เปิดให้สมัครเอง — กรอกฟอร์มบอกว่าคุณเป็นใครและจะนำไปใช้กับอะไร ทีมงานจะพิจารณาเป็นราย ๆ ถ้าอนุมัติจะส่งคีย์ไปที่อีเมลที่แจ้งไว้ เราไม่ส่งคีย์ทางช่องทางอื่น และไม่แสดงคีย์บนหน้าเว็บ

Image Analysis API

คัดกรองอาการผิดปกติจากภาพใบทุเรียน ส่งคืนผลลัพธ์ที่เป็นไปได้พร้อมค่าความเชื่อมั่น

Request Parameters

ส่งข้อมูลเป็น multipart/form-data

Response Format

{
  "request_id": "45dd4a9bdac34437b696da4c89b0b887",
  "label": "Leaf_Colletotrichum",
  "confidence": 0.8421,
  "confident": true,
  "min_confidence": 0.6,
  "predictions": [
    { "label": "Leaf_Colletotrichum", "confidence": 0.8421 },
    { "label": "Leaf_Algal", "confidence": 0.1032 },
    { "label": "Leaf_Healthy", "confidence": 0.0341 }
  ],
  "model": {
    "name": "efficientnet_b0.ra_in1k",
    "version": "unknown",
    "backend": "onnx"
  },
  "disclaimer": "ผลตรวจเป็นการคัดกรองเบื้องต้น ไม่ใช่การยืนยันโรค"
}

ค่าใน model เป็นค่าที่โมเดลบนเซิร์ฟเวอร์รายงานจริง ตรวจสอบได้ตลอดเวลาจาก GET /api/v1/model ซึ่งคืนชื่อโมเดล รายชื่อคลาสทั้งหมด และเกณฑ์ความมั่นใจปัจจุบัน แนะนำให้อ่านค่าจาก endpoint นั้นแทนการ hardcode ไว้ในฝั่งผู้เรียก

Error Codes

API Playground

ทดลองส่ง Request จริงไปยัง API ได้ทันที

Usage Limits

Model Information

• Model: efficientnet_b0.ra_in1k
• Architecture: EfficientNet-B0 (convolutional)
• Backend: ONNX Runtime (CPU)
• Preprocessing: ลบพื้นหลังใบด้วยโมเดล segmentation ก่อนเข้าโมเดลจำแนก เพราะโมเดลถูกเทรนบนภาพที่ตัดพื้นหลังแล้ว
• Classes (6): Leaf_Algal, Leaf_Blight, Leaf_Colletotrichum, Leaf_Healthy, Leaf_Phomopsis, Leaf_Rhizoctonia
• Min Confidence Threshold: 0.6

ผลลัพธ์ที่มีค่า confidence ต่ำกว่า threshold จะมี confident: false ซึ่งหมายความว่าโมเดลยังไม่มั่นใจในผลลัพธ์และควรถ่ายภาพใหม่