Update app.py

app.py

@@ -8,19 +8,15 @@ import torch
 
 # Carrega variáveis de ambiente
 load_dotenv()
-
-# Obtém a API key da variável de ambiente
 API_KEY = os.getenv('NUTRITION_API_KEY', '')
 
-# Carrega o modelo BLIP2 para identificação de alimentos
+# 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):
-    """
-    Usa o modelo BLIP2 para identificar alimentos na imagem
-    """
+    """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)
     
@@ -33,21 +29,15 @@ def identify_foods(image):
         top_p=0.9,
     )
     
-    description = processor.decode(outputs[0], skip_special_tokens=True)
-    return description
+    return processor.decode(outputs[0], skip_special_tokens=True)
 
 def analyze_nutrition(image):
-    """
-    Função principal que processa a imagem e retorna os resultados formatados
-    """
+    """Análise nutricional da imagem"""
     try:
-        if not API_KEY:
-            raise ValueError("API Key não encontrada nas variáveis de ambiente. Configure NUTRITION_API_KEY no arquivo .env")
-        
-        # Identifica os alimentos na imagem
+        # Identifica alimentos
         identified_foods = identify_foods(image)
-            
-        # Simula resultado da análise (aqui você usaria a API_KEY para fazer a requisição real)
+        
+        # Simula análise nutricional
         nutrients = {
             "calorias": 450,
             "proteinas": 25,
@@ -56,13 +46,13 @@ def analyze_nutrition(image):
             "fibras": 8
         }
         
-        # Prepara dados para o gráfico em formato DataFrame
+        # Dados do gráfico
         plot_data = pd.DataFrame({
             'Nutriente': ['Proteínas', 'Carboidratos', 'Gorduras'],
             'Quantidade': [nutrients['proteinas'], nutrients['carboidratos'], nutrients['gorduras']]
         })
         
-        # Prepara tabela nutricional
+        # Tabela nutricional
         table_data = [
             ["Calorias", f"{nutrients['calorias']:.1f} kcal"],
             ["Proteínas", f"{nutrients['proteinas']:.1f}g"],
@@ -71,104 +61,154 @@ def analyze_nutrition(image):
             ["Fibras", f"{nutrients['fibras']:.1f}g"]
         ]
         
-        # Prepara recomendações
-        recommendations = []
+        # Análise e recomendações
+        analysis = []
         if nutrients['calorias'] > 800:
-            recommendations.append("⚠️ Alto valor calórico - considere reduzir as porções")
+            analysis.append("⚠️ Alto valor calórico")
         if nutrients['proteinas'] < 15:
-            recommendations.append("⚠️ Baixo teor de proteínas - considere adicionar fontes proteicas")
+            analysis.append("⚠️ Baixo teor de proteínas")
         if nutrients['fibras'] < 6:
-            recommendations.append("⚠️ Baixo teor de fibras - adicione mais vegetais")
-            
-        recommendations_text = "\n".join(recommendations) if recommendations else "✅ Valores nutricionais dentro das recomendações!"
+            analysis.append("⚠️ Baixo teor de fibras")
         
-        # Formata a descrição dos alimentos identificados
-        foods_identified = f"🔍 Alimentos Identificados:\n{identified_foods}"
+        analysis_text = "\n".join(analysis) if analysis else "✅ Valores nutricionais adequados"
         
-        return {
-            "message": "Análise concluída com sucesso!",
-            "nutrients": nutrients,
-            "foods_identified": foods_identified
-        }, plot_data, table_data, foods_identified, recommendations_text
+        # 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:
-        error_json = {"error": str(e)}
-        return error_json, None, None, f"Erro na análise: {str(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:
-    gr.Markdown("""
-    # 🍽️ Análise Nutricional com IA
-    Faça upload de uma foto do seu prato para receber uma análise nutricional detalhada.
-    """)
+    # Cabeçalho
+    with gr.Row(variant="compact"):
+        gr.Markdown("""
+        # 🍽️ Análise Nutricional com IA
+        """)
     
+    # Container Principal
     with gr.Row():
-        with gr.Column(scale=1):
-            # Inputs
+        # Coluna da Esquerda - Input
+        with gr.Column(scale=2):
+            gr.Markdown("### 📸 Foto do Prato")
             image_input = gr.Image(
                 type="pil",
-                label="Foto do Prato",
-                sources=['upload', 'webcam'],
-                height=300
+                sources=["upload", "webcam"],
+                height=400,
+                label=""
             )
-            analyze_btn = gr.Button("📊 Analisar", variant="primary")
-            
-        with gr.Column(scale=2):
-            # Outputs
-            with gr.Tab("Resumo"):
-                with gr.Row():
-                    foods_detected = gr.Textbox(
-                        label="Alimentos Identificados",
-                        lines=3
-                    )
+            with gr.Row():
+                analyze_btn = gr.Button("🔍 Analisar Prato", variant="primary", size="lg")
+                clear_btn = gr.Button("🔄 Limpar", size="lg")
                 
-                with gr.Row():
-                    recommendations = gr.Textbox(
-                        label="Recomendações",
-                        lines=3
+            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"
                     )
                 
-                with gr.Row():
-                    nutri_table = gr.Dataframe(
-                        headers=["Nutriente", "Quantidade"],
-                        label="Informação Nutricional"
-                    )
+                # 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"]
+                        )
                 
-                with gr.Row():
-                    macro_plot = gr.BarPlot(
-                        label="Distribuição de Macronutrientes",
-                        title="Macronutrientes (gramas)",
-                        x="Nutriente",
-                        y="Quantidade",
-                        height=300,
-                        tooltip=["Nutriente", "Quantidade"]
-                    )
-            
-            with gr.Tab("Detalhes"):
-                json_output = gr.JSON()
+                # 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)
+        }
     
-    # Eventos
     analyze_btn.click(
         fn=analyze_nutrition,
         inputs=[image_input],
-        outputs=[json_output, macro_plot, nutri_table, foods_detected, recommendations]
+        outputs=[
+            foods_detected,
+            nutri_table,
+            macro_plot,
+            analysis_output,
+            recommendations_output,
+            status
+        ]
     )
     
-    gr.Markdown("""
-    ### 📝 Instruções
-    1. Faça upload de uma foto do seu prato ou tire uma foto com a webcam
-    2. Clique em "Analisar"
-    3. Veja os resultados nas abas "Resumo" e "Detalhes"
-    
-    ### 🎯 Dicas para melhores resultados
-    - Use fotos bem iluminadas
-    - Fotografe de cima para baixo
-    - Certifique-se que todos os alimentos estão visíveis
-    - Evite sombras ou reflexos fortes
-    """)
+    clear_btn.click(
+        fn=clear_outputs,
+        outputs=[
+            foods_detected,
+            nutri_table,
+            macro_plot,
+            analysis_output,
+            recommendations_output,
+            status
+        ]
+    )
 
+# Inicia a interface
 if __name__ == "__main__":
-    # Verifica se a API key está configurada
     if not API_KEY:
         print("⚠️  Atenção: API Key não encontrada!")
         print("Configure a variável de ambiente NUTRITION_API_KEY no arquivo .env")