app.py

import gradio as gr
import numpy as np
import os
from dotenv import load_dotenv
import pandas as pd
from transformers import Blip2Processor, Blip2ForConditionalGeneration
import torch

# Carrega variáveis de ambiente
load_dotenv()
API_KEY = os.getenv('NUTRITION_API_KEY', '')

# Carrega o modelo BLIP2
model_name = "Salesforce/blip2-opt-2.7b"
processor = Blip2Processor.from_pretrained(model_name)
model = Blip2ForConditionalGeneration.from_pretrained(model_name, torch_dtype=torch.float16, device_map="auto")

def identify_foods(image):
    """Identifica alimentos na imagem usando BLIP2"""
    prompt = "Liste todos os alimentos visíveis nesta imagem de refeição."
    inputs = processor(image, text=prompt, return_tensors="pt").to(model.device)
    
    outputs = model.generate(
        **inputs,
        max_new_tokens=100,
        do_sample=False,
        num_beams=5,
        temperature=1.0,
        top_p=0.9,
    )
    
    return processor.decode(outputs[0], skip_special_tokens=True)

def analyze_nutrition(image):
    """Análise nutricional da imagem"""
    try:
        # Identifica alimentos
        identified_foods = identify_foods(image)
        
        # Simula análise nutricional
        nutrients = {
            "calorias": 450,
            "proteinas": 25,
            "carboidratos": 55,
            "gorduras": 15,
            "fibras": 8
        }
        
        # Dados do gráfico
        plot_data = pd.DataFrame({
            'Nutriente': ['Proteínas', 'Carboidratos', 'Gorduras'],
            'Quantidade': [nutrients['proteinas'], nutrients['carboidratos'], nutrients['gorduras']]
        })
        
        # Tabela nutricional
        table_data = [
            ["Calorias", f"{nutrients['calorias']:.1f} kcal"],
            ["Proteínas", f"{nutrients['proteinas']:.1f}g"],
            ["Carboidratos", f"{nutrients['carboidratos']:.1f}g"],
            ["Gorduras", f"{nutrients['gorduras']:.1f}g"],
            ["Fibras", f"{nutrients['fibras']:.1f}g"]
        ]
        
        # Análise e recomendações
        analysis = []
        if nutrients['calorias'] > 800:
            analysis.append("⚠️ Alto valor calórico")
        if nutrients['proteinas'] < 15:
            analysis.append("⚠️ Baixo teor de proteínas")
        if nutrients['fibras'] < 6:
            analysis.append("⚠️ Baixo teor de fibras")
        
        analysis_text = "\n".join(analysis) if analysis else "✅ Valores nutricionais adequados"
        
        # Recomendações personalizadas
        recommendations = []
        if "Alto valor calórico" in analysis_text:
            recommendations.append("• Considere reduzir as porções")
        if "Baixo teor de proteínas" in analysis_text:
            recommendations.append("• Adicione mais fontes de proteína como frango, peixe ou leguminosas")
        if "Baixo teor de fibras" in analysis_text:
            recommendations.append("• Inclua mais vegetais e grãos integrais")
            
        recommendations_text = "\n".join(recommendations) if recommendations else "• Continue mantendo uma alimentação equilibrada!"
        
        return (
            identified_foods,
            table_data,
            plot_data,
            analysis_text,
            recommendations_text,
            "success"  # Status para UI
        )
        
    except Exception as e:
        return (
            None, None, None, None,
            f"Erro na análise: {str(e)}",
            "error"  # Status para UI
        )

# Interface Gradio
with gr.Blocks(theme=gr.themes.Soft()) as iface:
    # Cabeçalho
    with gr.Row(variant="compact"):
        gr.Markdown("""
        # 🍽️ Análise Nutricional com IA
        """)
    
    # Container Principal
    with gr.Row():
        # Coluna da Esquerda - Input
        with gr.Column(scale=2):
            gr.Markdown("### 📸 Foto do Prato")
            image_input = gr.Image(
                type="pil",
                sources=["upload", "webcam"],
                height=400,
                label=""
            )
            with gr.Row():
                analyze_btn = gr.Button("🔍 Analisar Prato", variant="primary", size="lg")
                clear_btn = gr.Button("🔄 Limpar", size="lg")
                
            with gr.Accordion("📝 Dicas para Melhores Resultados", open=False):
                gr.Markdown("""
                - Use fotos bem iluminadas
                - Fotografe de cima para baixo
                - Certifique-se que todos os alimentos estão visíveis
                - Evite sombras ou reflexos fortes
                """)
        
        # Coluna da Direita - Resultados
        with gr.Column(scale=3):
            # Status
            status = gr.Markdown(visible=False)
            
            with gr.Tabs():
                # Tab de Identificação
                with gr.Tab("🔍 Alimentos Identificados"):
                    foods_detected = gr.Markdown(
                        label="",
                        value="Faça o upload de uma imagem e clique em Analisar"
                    )
                
                # Tab de Nutrientes
                with gr.Tab("📊 Informação Nutricional"):
                    with gr.Row():
                        nutri_table = gr.Dataframe(
                            headers=["Nutriente", "Quantidade"],
                            label="",
                            wrap=True
                        )
                    with gr.Row():
                        macro_plot = gr.BarPlot(
                            label="",
                            title="Distribuição de Macronutrientes (g)",
                            x="Nutriente",
                            y="Quantidade",
                            height=300,
                            tooltip=["Nutriente", "Quantidade"]
                        )
                
                # Tab de Análise
                with gr.Tab("💡 Análise e Recomendações"):
                    with gr.Box():
                        gr.Markdown("#### 📋 Análise")
                        analysis_output = gr.Markdown()
                    
                    with gr.Box():
                        gr.Markdown("#### ✨ Recomendações")
                        recommendations_output = gr.Markdown()
    
    # Event handlers
    def clear_outputs():
        return {
            foods_detected: "Faça o upload de uma imagem e clique em Analisar",
            nutri_table: None,
            macro_plot: None,
            analysis_output: None,
            recommendations_output: None,
            status: gr.Markdown(visible=False)
        }
    
    analyze_btn.click(
        fn=analyze_nutrition,
        inputs=[image_input],
        outputs=[
            foods_detected,
            nutri_table,
            macro_plot,
            analysis_output,
            recommendations_output,
            status
        ]
    )
    
    clear_btn.click(
        fn=clear_outputs,
        outputs=[
            foods_detected,
            nutri_table,
            macro_plot,
            analysis_output,
            recommendations_output,
            status
        ]
    )

# Inicia a interface
if __name__ == "__main__":
    if not API_KEY:
        print("⚠️  Atenção: API Key não encontrada!")
        print("Configure a variável de ambiente NUTRITION_API_KEY no arquivo .env")
    
    iface.launch(share=False)