Initial commit: MVP tidtakingssystem

- Backend: FastAPI, EXIF-parser, EasyOCR, SQLite
- Frontend: React admin (startliste, passeringer, gjennomgang, resultater)
- Docker: docker-compose med depot/processed/data-volumer

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

backend/ocr.py

@@ -0,0 +1,108 @@
+"""
+Startnummer-deteksjon og OCR.
+Bruker EasyOCR for å lese sifre fra bib-nummerlapp.
+Returnerer en OcrResult med tall, konfidens og partial-flagg.
+"""
+
+import re
+from dataclasses import dataclass, field
+from pathlib import Path
+from typing import Optional
+
+import cv2
+import numpy as np
+
+# EasyOCR lastes lazy for å unngå lang oppstartstid
+_reader = None
+
+
+def _get_reader():
+    global _reader
+    if _reader is None:
+        import easyocr
+        _reader = easyocr.Reader(["en"], gpu=False, verbose=False)
+    return _reader
+
+
+@dataclass
+class OcrResult:
+    digits: Optional[str]       # Gjenkjente sifre, f.eks. "42", None hvis ingen
+    confidence: float           # 0.0–1.0
+    partial: bool               # True hvis nummeret trolig er delvis skjult
+    raw_texts: list[str] = field(default_factory=list)  # Alle OCR-treff for debug
+
+
+def _preprocess(image_path: Path) -> np.ndarray:
+    """Forbered bilde for OCR: gråskala, kontrast, skarphet."""
+    img = cv2.imread(str(image_path))
+    if img is None:
+        raise ValueError(f"Kunne ikke lese bilde: {image_path}")
+
+    gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
+
+    # CLAHE for bedre kontrast i varierende lys
+    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
+    enhanced = clahe.apply(gray)
+
+    # Skaler opp hvis bildet er lite (OCR er bedre på større tekst)
+    h, w = enhanced.shape
+    if max(h, w) < 800:
+        scale = 800 / max(h, w)
+        enhanced = cv2.resize(
+            enhanced, (int(w * scale), int(h * scale)),
+            interpolation=cv2.INTER_CUBIC,
+        )
+
+    return enhanced
+
+
+def _extract_bib_number(texts: list[tuple]) -> tuple[Optional[str], float, bool]:
+    """
+    Finn beste siffersekvens blant OCR-treff.
+    Returnerer (sifre, konfidens, partial).
+    """
+    candidates = []
+    for (_, text, conf) in texts:
+        # Behold kun sifre
+        digits = re.sub(r"[^0-9]", "", text)
+        if digits:
+            candidates.append((digits, float(conf)))
+
+    if not candidates:
+        return None, 0.0, False
+
+    # Velg kandidat med høyest konfidens
+    best_digits, best_conf = max(candidates, key=lambda x: x[1])
+
+    # Heuristikk: 1–2 sifre kan tyde på delvis synlig nummer
+    partial = len(best_digits) < 2
+
+    return best_digits, best_conf, partial
+
+
+def read_bib(image_path: Path) -> OcrResult:
+    """
+    Les startnummer fra bildet.
+    Returnerer OcrResult. Aldri exception — fallback til konfidens 0 ved feil.
+    """
+    try:
+        processed = _preprocess(image_path)
+        reader = _get_reader()
+        results = reader.readtext(processed, detail=1, paragraph=False)
+
+        raw_texts = [text for (_, text, _) in results]
+        digits, confidence, partial = _extract_bib_number(results)
+
+        return OcrResult(
+            digits=digits,
+            confidence=confidence,
+            partial=partial,
+            raw_texts=raw_texts,
+        )
+    except Exception as e:
+        return OcrResult(
+            digits=None,
+            confidence=0.0,
+            partial=False,
+            raw_texts=[f"ERROR: {e}"],
+        )