Initial MVP application skeleton

Add PySide6 camera UI, YOLO/Tesseract detection pipeline, capture metadata, configuration, and project gitignore.

README.md

@@ -0,0 +1,42 @@
+# Duck Stain YOLO
+
+MVP aplikacji okienkowej do podgladu kamery USB, wykrywania etykiety modelem YOLOv8 i zapisu zdjec/filmow z metadanymi JSON.
+
+## Uruchomienie
+
+```bash
+python3 -m venv .venv
+source .venv/bin/activate
+pip install -r requirements.txt
+python main.py
+```
+
+Na macOS z Tesseractem:
+
+```bash
+brew install tesseract
+```
+
+Na Ubuntu/WSL:
+
+```bash
+sudo apt install tesseract-ocr
+```
+
+Na Linuksie `requirements.txt` wymusza CPU build PyTorch, zeby nie pobierac wariantu CUDA. Na macOS pip zainstaluje standardowy wariant CPU dla procesora Intel.
+
+Umiesc wytrenowany model jako `models/best.pt` albo zmien `detection.model_path` w `app_config.json`.
+
+## Konfiguracja
+
+Glowny plik konfiguracji: `app_config.json`.
+
+Istotne ustawienia:
+
+- `camera.width`, `camera.height`, `camera.fps` - rozdzielczosc i FPS kamery.
+- `camera.properties` - parametry OpenCV ustawiane na kamerze, np. jasnosc, kontrast, ekspozycja. `null` oznacza brak wymuszania wartosci.
+- `detection.mode` - `best` rysuje najlepsza etykiete, `all` rysuje wszystkie wykrycia.
+- `detection.frame_stride` - YOLO uruchamiany co N klatek podczas aktywnego wykrywania.
+- `label_data.models`, `label_data.colors` - slowniki do walidacji tekstu z etykiety.
+
+Zdjecia trafiaja do `captures/photos`, filmy do `captures/videos`. Obok kazdego pliku media zapisywany jest JSON z aktualnym wynikiem detekcji/OCR.