Create app.py

app.py

@@ -0,0 +1,94 @@
+import gradio as gr
+from transformers import AutoProcessor, AutoModelForVision2Seq
+from PIL import Image
+import torch
+import json
+import pandas as pd
+
+# Carregar o modelo e processador DeepSeek
+model = AutoModelForVision2Seq.from_pretrained("deepseek-ai/deepseek-vl-7b-base")
+processor = AutoProcessor.from_pretrained("deepseek-ai/deepseek-vl-7b-base")
+
+# Base de dados nutricional (exemplo simplificado)
+NUTRITIONAL_DB = {
+    "arroz": {
+        "calorias": 130,
+        "proteinas": 2.7,
+        "carboidratos": 28,
+        "gorduras": 0.3,
+        "fibras": 0.4,
+    },
+    "feijão": {
+        "calorias": 77,
+        "proteinas": 5.2,
+        "carboidratos": 13.6,
+        "gorduras": 0.5,
+        "fibras": 5.4,
+    },
+    # Adicione mais alimentos conforme necessário
+}
+
+def analyze_food(image):
+    """
+    Analisa a imagem do alimento e retorna um relatório nutricional
+    """
+    # Processar a imagem
+    inputs = processor(images=image, text="What foods are in this image? List them.", return_tensors="pt")
+    
+    # Gerar descrição
+    with torch.no_grad():
+        outputs = model.generate(**inputs, max_length=100)
+    foods = processor.decode(outputs[0], skip_special_tokens=True)
+    
+    # Processar lista de alimentos identificados
+    food_list = [food.strip().lower() for food in foods.split(',')]
+    
+    # Gerar relatório nutricional
+    total_nutrients = {
+        "calorias": 0,
+        "proteinas": 0,
+        "carboidratos": 0,
+        "gorduras": 0,
+        "fibras": 0,
+    }
+    
+    report = "🍽️ Relatório Nutricional\n\n"
+    report += "Alimentos identificados:\n"
+    
+    for food in food_list:
+        if food in NUTRITIONAL_DB:
+            report += f"- {food.capitalize()}\n"
+            for nutrient, value in NUTRITIONAL_DB[food].items():
+                total_nutrients[nutrient] += value
+    
+    report += "\n📊 Informação Nutricional Total:\n"
+    report += f"Calorias: {total_nutrients['calorias']:.1f} kcal\n"
+    report += f"Proteínas: {total_nutrients['proteinas']:.1f}g\n"
+    report += f"Carboidratos: {total_nutrients['carboidratos']:.1f}g\n"
+    report += f"Gorduras: {total_nutrients['gorduras']:.1f}g\n"
+    report += f"Fibras: {total_nutrients['fibras']:.1f}g\n"
+    
+    report += "\n💡 Recomendações:\n"
+    # Adicionar recomendações básicas baseadas nos valores nutricionais
+    if total_nutrients['calorias'] > 800:
+        report += "- Esta refeição tem um alto valor calórico. Considere porções menores.\n"
+    if total_nutrients['proteinas'] < 15:
+        report += "- Considere adicionar mais fontes de proteína à refeição.\n"
+    if total_nutrients['fibras'] < 6:
+        report += "- Adicione mais vegetais para aumentar o teor de fibras.\n"
+    
+    return report
+
+# Interface Gradio
+iface = gr.Interface(
+    fn=analyze_food,
+    inputs=gr.Image(type="pil"),
+    outputs=gr.Textbox(label="Relatório Nutricional", lines=10),
+    title="Análise Nutricional de Alimentos",
+    description="Faça upload de uma foto do seu prato para receber uma análise nutricional detalhada.",
+    examples=[["example_food1.jpg"], ["example_food2.jpg"]],
+    theme=gr.themes.Soft()
+)
+
+if __name__ == "__main__":
+    iface.launch(share=True)