import gradio as gr
import torch
from transformers import AutoModel, AutoProcessor
import pandas as pd
from PIL import Image
import numpy as np

# Carrega o modelo
model = AutoModel.from_pretrained("openbmb/MiniCPM-o-2_6", trust_remote_code=True)
processor = AutoProcessor.from_pretrained("openbmb/MiniCPM-o-2_6", trust_remote_code=True)

# Base de dados nutricional
NUTRITION_DB = {
    "arroz": {"calorias": 130, "proteinas": 2.7, "carboidratos": 28, "gorduras": 0.3},
    "feijão": {"calorias": 77, "proteinas": 5.2, "carboidratos": 13.6, "gorduras": 0.5},
    "carne": {"calorias": 250, "proteinas": 26, "carboidratos": 0, "gorduras": 17},
    "batata frita": {"calorias": 312, "proteinas": 3.4, "carboidratos": 41, "gorduras": 15},
    "salada": {"calorias": 15, "proteinas": 1.4, "carboidratos": 2.9, "gorduras": 0.2},
    "ovo": {"calorias": 155, "proteinas": 13, "carboidratos": 1.1, "gorduras": 11},
    "peixe": {"calorias": 206, "proteinas": 22, "carboidratos": 0, "gorduras": 12},
    "macarrão": {"calorias": 158, "proteinas": 5.8, "carboidratos": 31, "gorduras": 1.2}
}

def process_image(image, progress=gr.Progress()):
    """Processa a imagem usando o modelo MiniCPM"""
    try:
        progress(0.3, desc="Processando imagem...")
        
        # Prepara a imagem
        if isinstance(image, str):
            image = Image.open(image)
        elif isinstance(image, np.ndarray):
            image = Image.fromarray(image)
        
        # Processa a imagem com o modelo
        inputs = processor(
            images=image, 
            text="List all foods present in this image, including their preparation method if visible.",
            return_tensors="pt"
        )
        
        progress(0.6, desc="Analisando conteúdo...")
        # Gera a descrição
        outputs = model.generate(
            **inputs,
            max_new_tokens=100,
            num_beams=5,
            temperature=0.7,
            top_p=0.9
        )
        description = processor.decode(outputs[0], skip_special_tokens=True)
        
        progress(1.0, desc="Concluído!")
        return description
        
    except Exception as e:
        raise gr.Error(f"Erro no processamento: {str(e)}")

def analyze_nutrition(foods_list):
    """Analisa nutrientes dos alimentos identificados"""
    total_nutrients = {
        "calorias": 0,
        "proteinas": 0,
        "carboidratos": 0,
        "gorduras": 0
    }
    
    found_foods = []
    
    for food in NUTRITION_DB.keys():
        if food.lower() in foods_list.lower():
            found_foods.append(food)
            for nutrient, value in NUTRITION_DB[food].items():
                total_nutrients[nutrient] += value
    
    # Calcula proporções de macronutrientes
    total_cal = total_nutrients['calorias']
    if total_cal > 0:
        protein_pct = (total_nutrients['proteinas'] * 4 / total_cal) * 100
        carb_pct = (total_nutrients['carboidratos'] * 4 / total_cal) * 100
        fat_pct = (total_nutrients['gorduras'] * 9 / total_cal) * 100
    else:
        protein_pct = carb_pct = fat_pct = 0
    
    return total_nutrients, found_foods, (protein_pct, carb_pct, fat_pct)

def get_recommendations(nutrients, percentages):
    """Gera recomendações baseadas nos valores nutricionais"""
    protein_pct, carb_pct, fat_pct = percentages
    recommendations = []
    
    if nutrients['calorias'] > 800:
        recommendations.append("⚠️ Valor calórico elevado - considere reduzir as porções")
    
    if protein_pct < 15:
        recommendations.append("⚠️ Baixo teor de proteínas - adicione mais fontes proteicas")
    
    if carb_pct > 60:
        recommendations.append("⚠️ Alto teor de carboidratos - considere reduzir")
    
    if fat_pct > 30:
        recommendations.append("⚠️ Alto teor de gorduras - opte por preparações mais leves")
    
    if not recommendations:
        recommendations.append("✅ Refeição bem balanceada! Continue assim!")
    
    return recommendations

def analyze_image(image):
    """Função principal de análise"""
    try:
        # Processa a imagem
        description = process_image(image)
        
        # Analisa nutrientes
        total_nutrients, found_foods, percentages = analyze_nutrition(description)
        
        # Gera recomendações
        recommendations = get_recommendations(total_nutrients, percentages)
        
        # Prepara dados para visualização
        table_data = [
            ["Calorias", f"{total_nutrients['calorias']:.1f} kcal"],
            ["Proteínas", f"{total_nutrients['proteinas']:.1f}g"],
            ["Carboidratos", f"{total_nutrients['carboidratos']:.1f}g"],
            ["Gorduras", f"{total_nutrients['gorduras']:.1f}g"]
        ]
        
        # Dados para o gráfico
        plot_data = pd.DataFrame({
            'Nutriente': ['Proteínas', 'Carboidratos', 'Gorduras'],
            'Quantidade': [
                total_nutrients['proteinas'],
                total_nutrients['carboidratos'],
                total_nutrients['gorduras']
            ]
        })
        
        # Monta o relatório
        analysis = f"""### 🔍 Análise da Imagem
{description}

### 🍽️ Alimentos Identificados
{', '.join(found_foods)}

### 📊 Informação Nutricional
• Calorias Totais: {total_nutrients['calorias']:.1f} kcal
• Proteínas: {total_nutrients['proteinas']:.1f}g ({percentages[0]:.1f}%)
• Carboidratos: {total_nutrients['carboidratos']:.1f}g ({percentages[1]:.1f}%)
• Gorduras: {total_nutrients['gorduras']:.1f}g ({percentages[2]:.1f}%)

### 💡 Recomendações
{chr(10).join(recommendations)}
"""
        
        return analysis, table_data, plot_data
        
    except Exception as e:
        return str(e), None, None

# CSS personalizado para marketing
css = """
.marketing-header {
    text-align: center;
    margin-bottom: 2rem;
    background: linear-gradient(120deg, #84fab0 0%, #8fd3f4 100%);
    padding: 2rem;
    border-radius: 1rem;
    color: white;
    text-shadow: 1px 1px 2px rgba(0,0,0,0.1);
}

.features {
    display: grid;
    grid-template-columns: repeat(3, 1fr);
    gap: 1rem;
    margin: 2rem 0;
}

.feature-card {
    background: white;
    padding: 1.5rem;
    border-radius: 0.5rem;
    box-shadow: 0 4px 6px rgba(0,0,0,0.1);
    text-align: center;
}

.benefits {
    background: #f8f9fa;
    padding: 1.5rem;
    border-radius: 0.5rem;
    margin: 1rem 0;
}

.testimonial {
    font-style: italic;
    color: #666;
    background: #fff;
    padding: 1rem;
    border-left: 4px solid #84fab0;
    margin: 1rem 0;
}

.cta-button {
    background: linear-gradient(45deg, #84fab0, #8fd3f4);
    padding: 1rem 2rem;
    border: none;
    border-radius: 2rem;
    color: white;
    font-weight: bold;
    cursor: pointer;
    transition: all 0.3s ease;
}

.cta-button:hover {
    transform: translateY(-2px);
    box-shadow: 0 4px 8px rgba(0,0,0,0.2);
}

.results-container {
    background: white;
    padding: 1.5rem;
    border-radius: 0.5rem;
    box-shadow: 0 2px 4px rgba(0,0,0,0.1);
}
"""

# Interface Gradio com Marketing
with gr.Blocks(theme=gr.themes.Soft(), css=css) as iface:
    with gr.Row(elem_classes="marketing-header"):
        gr.Markdown("""
        # 🍽️ NutriAI - Sua Análise Nutricional Inteligente
        
        ### Transforme sua alimentação com o poder da Inteligência Artificial
        Análise nutricional precisa e personalizada em segundos!
        """)
    
    with gr.Row(elem_classes="features"):
        with gr.Column(elem_classes="feature-card"):
            gr.Markdown("""
            ### 🎯 Análise Precisa
            - Reconhecimento avançado de alimentos
            - Cálculo nutricional detalhado
            - Tecnologia de ponta
            """)
        
        with gr.Column(elem_classes="feature-card"):
            gr.Markdown("""
            ### ⚡ Resultados Instantâneos
            - Análise em segundos
            - Relatório completo
            - Recomendações personalizadas
            """)
        
        with gr.Column(elem_classes="feature-card"):
            gr.Markdown("""
            ### 💡 Inteligência Artificial
            - Modelo MiniCPM avançado
            - Aprendizado contínuo
            - Alta precisão
            """)
    
    with gr.Row(elem_classes="benefits"):
        gr.Markdown("""
        ### 🌟 Benefícios
        
        ✓ **Controle sua alimentação** de forma inteligente
        ✓ **Monitore nutrientes** essenciais
        ✓ **Receba dicas** personalizadas
        ✓ **Economize tempo** na contagem de calorias
        ✓ **Melhore seus hábitos** alimentares
        """)
    
    with gr.Row():
        with gr.Column():
            gr.Markdown("## 📸 Analise seu Prato")
            image_input = gr.Image(
                type="pil",
                label="Faça upload ou tire uma foto do seu prato",
                sources=["upload", "webcam"]
            )
            analyze_btn = gr.Button("🔍 Analisar Agora", variant="primary", size="lg", elem_classes="cta-button")
            
            with gr.Accordion("📝 Guia de Uso", open=False):
                gr.Markdown("""
                ### Como obter os melhores resultados:
                1. Use fotos bem iluminadas
                2. Fotografe de cima para baixo
                3. Mantenha todos os alimentos visíveis
                4. Evite sombras ou reflexos
                
                ### Por que usar o NutriAI?
                - Análise nutricional profissional
                - Recomendações baseadas em ciência
                - Interface intuitiva e fácil de usar
                """)
        
        with gr.Column(elem_classes="results-container"):
            gr.Markdown("### Resultados da Análise")
            output_text = gr.Markdown()
            
            with gr.Row():
                output_table = gr.Dataframe(
                    headers=["Nutriente", "Quantidade"],
                    label="Informação Nutricional"
                )
                
                output_plot = gr.BarPlot(
                    x="Nutriente",
                    y="Quantidade",
                    title="Macronutrientes (g)",
                    height=300
                )
    
    with gr.Row(elem_classes="testimonial"):
        gr.Markdown("""
        > "O NutriAI revolucionou minha forma de me alimentar. Agora consigo entender exatamente o que estou comendo e fazer escolhas mais saudáveis."
        > 
        > *— Maria S., Nutricionista*
        """)
    
    gr.Markdown("""
    ### 🔒 Sua privacidade é importante
    - Análise segura e privada
    - Sem armazenamento de dados pessoais
    - Tecnologia de ponta em segurança
    
    ### 📱 Disponível em qualquer dispositivo
    Acesse pelo celular, tablet ou computador - em qualquer lugar, a qualquer momento!
    
    ### 🤝 Suporte ao cliente
    Precisa de ajuda? Entre em contato com nossa equipe de suporte!
    """)
    
    # Eventos
    analyze_btn.click(
        fn=analyze_image,
        inputs=[image_input],
        outputs=[output_text, output_table, output_plot]
    )

if __name__ == "__main__":
    print(f"Usando dispositivo: {'CUDA' if torch.cuda.is_available() else 'CPU'}")
    iface.launch(share=False)