# QA/QC Engine

## 1. Doel

De QA/QC Engine maakt GeoIntel professioneel. AI-resultaten zijn pas waardevol als ze controleerbaar zijn tegenover referentiedata zoals GRB.

## 2. Primaire use case

Gebouwdetecties vergelijken met GRB-gebouwpolygonen.

## 3. Input

- analysis_run_id met detecties of segmentaties
- reference_dataset_id met referentiepolygonen
- IoU threshold
- class mapping

## 4. Output

- true positives
- false positives
- false negatives
- precision
- recall
- F1
- mean IoU
- kaartlagen met fouten

## 5. Matching-regels

1. Bereken intersects tussen AI-output en referentieobjecten.
2. Bereken IoU per kandidaatpaar.
3. Match hoogste IoU boven threshold.
4. Voorkom dubbele matches.
5. AI-output zonder match = false positive.
6. Referentie zonder match = false negative.
7. Matched objecten = true positive.

## 6. IoU

```text
IoU = area(intersection) / area(union)
```

## 7. Metrics

```text
precision = TP / (TP + FP)
recall = TP / (TP + FN)
F1 = 2 * precision * recall / (precision + recall)
```

## 8. Kaartlagen

QA/QC moet minstens drie lagen kunnen tonen:

- true positives
- false positives
- false negatives

Later:

- low IoU matches
- confidence vs IoU scatter
- spatial error clusters

## 9. Rapportage

QA/QC-output moet exporteerbaar zijn als:

- GeoJSON
- JSON summary
- later PDF/HTML report

## 10. Belangrijk

GRB is een referentie, geen perfecte waarheid. UI moet spreken over “referentievergelijking” of “ground-truth proxy”, niet absolute waarheid.