Update README.md

README.md

@@ -1,11 +1,118 @@
 ---
-title: Freshly Api
-emoji: 🏃
-colorFrom: gray
+title: Freshly Universal API
+colorFrom: green
 colorTo: pink
 sdk: docker
 pinned: false
 license: mit
 ---
 
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+# FRESHLY Universal API
+
+Selamat datang di repositori backend resmi **FRESHLY API**! 
+
+API ini dibangun menggunakan **FastAPI** dan ditenagai oleh model Deep Learning kustom (arsitektur *CNN dengan Spatial Attention*) yang dilatih dari nol (*Training from Scratch*). API ini berfungsi sebagai otak utama aplikasi FRESHLY untuk mengklasifikasikan jenis buah/sayur beserta tingkat kematangannya guna mengurangi *food waste*.
+
+## 🧠 Spesifikasi Arsitektur Model
+Berbeda dengan API pada umumnya yang menggunakan *Pre-trained Model* (Transfer Learning), model AI FRESHLY dibangun 100% dari awal. Keunggulan utama model kami terletak pada penggunaan **Spatial Attention Layer** buatan sendiri. 
+
+Fitur ini memungkinkan "mata" AI kami untuk berfokus pada titik-titik krusial pada gambar (seperti bercak hitam pembusukan atau transisi warna mentah ke matang), mengabaikan *background* yang tidak penting, dan menghasilkan akurasi prediksi yang sangat tinggi.
+
+## 🛠️ Tech Stack & Teknologi
+* **Framework Backend:** FastAPI, Uvicorn
+* **Machine Learning:** TensorFlow, Keras
+* **Arsitektur Utama:** Custom CNN Cascade System
+* **Deployment:** Docker, Hugging Face Spaces
+
+## 📚 Dokumentasi Interaktif & Uji Coba (Swagger UI)
+
+Bagi tim Frontend atau penguji yang ingin langsung mencoba mengunggah gambar ke AI tanpa perlu menulis kode, silakan akses halaman Swagger UI kami di bawah ini:
+
+👉 **[Buka Halaman Uji Coba API Interaktif (/docs)](https://freshlyteam-freshly-api.hf.space/docs)** ---
+
+## 🚀 Daftar Endpoint
+
+### 1. Health Check
+Endpoint ini digunakan untuk memastikan server dalam keadaan aktif (cocok dihubungkan dengan *UptimeRobot* untuk mencegah *cold start*).
+* **URL:** `/health`
+* **Method:** `GET`
+* **Response:** JSON berisi status server.
+
+### 2. Predict Freshness (Main AI)
+Endpoint utama untuk mendeteksi tingkat kematangan buah/sayur. Untuk menjaga akurasi tertinggi, API ini membutuhkan jenis buah yang dipilih oleh pengguna sebagai parameter.
+* **URL:** `/predict`
+* **Method:** `POST`
+* **Body:** `multipart/form-data` 
+  * `fruit_type` (String): Tulis salah satu dari kelas yang didukung (contoh: banana, mango, chili).
+  * `file` (File): File gambar buah/sayur.
+* **Response Contoh:**
+  ```json
+  {
+    "status": "success",
+    "data": {
+      "detected_fruit": "banana",
+      "condition": "ripe",
+      "condition_confidence": 98.5
+    }
+  }
+
+## 💻 Panduan Integrasi (Untuk Tim Frontend)
+
+Berikut adalah contoh implementasi pemanggilan API `/predict` menggunakan **JavaScript (Fetch API)** di sisi *client*:
+
+```javascript
+// 1. Ambil elemen dari HTML
+const fileInput = document.getElementById('imageInput');
+const file = fileInput.files[0];
+const selectedFruit = "banana"; // Sesuai pilihan user di UI (dropdown/icon)
+
+// 2. Siapkan form data
+const formData = new FormData();
+formData.append("fruit_type", selectedFruit); // Wajib dikirimkan!
+formData.append("file", file);
+
+// 3. Panggil API Freshly
+fetch("https://freshlyteam-freshly-api.hf.space/predict", {
+    method: "POST",
+    body: formData
+})
+.then(response => response.json())
+.then(result => {
+    console.log("Status:", result.status);
+    console.log("Kondisi Buah:", result.data.condition);
+})
+.catch(error => {
+    console.error("Terjadi kesalahan:", error);
+});
+```
+***(Catatan: Ganti URL freshlyteam-freshly-api.hf.space dengan URL Direct Space kalian jika ada perubahan).***
+
+## 🍎 Parameter `fruit_type` yang Valid
+
+Sangat penting bagi tim Frontend atau Penguji untuk mengirimkan **`fruit_type`** dengan ejaan huruf kecil yang tepat. **Saat ini, model kami mendukung 6 kelas berikut:**
+
+* **`banana` (Pisang)**
+* **`mango` (Mangga)**
+* **`orange` (Jeruk)**
+* **`chili` (Cabai)**
+* **`paprika` (Paprika)**
+* **`tomato` (Tomat)**
+
+*Sistem akan mengembalikan error 400 (Bad Request) atau 422 (Validation Error) jika memasukkan jenis buah selain daftar di atas.*
+
+## ⚙️ Cara Menjalankan Server di Local (Local Development)
+
+Jika tim Frontend ingin menguji API ini secara offline di komputer masing-masing:
+```bash
+# 1. Clone repository
+git clone https://huggingface.co/spaces/freshlyTeam/freshly-api
+
+# 2. Install library yang dibutuhkan
+pip install -r requirements.txt
+
+# 3. Jalankan server lokal
+uvicorn main:app --reload
+```
+*Server akan berjalan di `http://127.0.0.0:8000`. Akses `http://127.0.0.0:8000/docs` untuk Swagger UI lokal.*
+
+**Developed with 🔥💪 by Tim AI FRESHLY - Coding Camp powered by DBS Foundation 2026**