Update app.py

app.py

@@ -3,6 +3,8 @@ from transformers import Blip2Processor, Blip2ForConditionalGeneration, pipeline
 from PIL import Image
 import requests
 import os
+import io
+from functools import lru_cache
 
 # Função para verificar se o modelo existe localmente
 def check_model_locally(model_name):
@@ -30,10 +32,11 @@ else:
     print(f"Modelo {nutrition_model_name} não encontrado localmente. Baixando...")
     nutrition_model = pipeline("text2text-generation", model=nutrition_model_name)
 
-def interpret_image(image):
-    # Converter a imagem para o formato PIL se necessário
-    if isinstance(image, str):
-        image = Image.open(requests.get(image, stream=True).raw)
+# Função para interpretar a imagem com cache
+@lru_cache(maxsize=128)
+def interpret_image_cached(image_bytes):
+    # Converter bytes de volta para imagem PIL
+    image = Image.open(io.BytesIO(image_bytes))
     
     # Processar a imagem e gerar a descrição usando BLIP-2
     inputs = processor(image, return_tensors="pt")
@@ -49,11 +52,10 @@ def interpret_image(image):
     
     return description
 
-def nutritional_analysis(image):
-    # Passo 1: Gerar descrição da imagem usando BLIP-2
-    description = interpret_image(image)
-    
-    # Passo 2: Criar um prompt refinado para análise nutricional
+# Função para análise nutricional com cache
+@lru_cache(maxsize=128)
+def nutritional_analysis_cached(description):
+    # Criar um prompt refinado para análise nutricional
     prompt = (
         f"Com base na descrição do prato de comida abaixo, forneça uma análise nutricional detalhada.\n\n"
         f"Descrição do prato: {description}\n\n"
@@ -67,14 +69,13 @@ def nutritional_analysis(image):
         f"Análise nutricional:"
     )
     
-    # Passo 3: Usar o modelo de linguagem para gerar a análise nutricional
+    # Usar o modelo de linguagem para gerar a análise nutricional
     analysis = nutrition_model(prompt, max_length=300)[0]['generated_text']
     
     # Pós-processamento para formatar a análise nutricional
     analysis = analysis.replace("Análise nutricional:", "").strip()
     
-    # Retornar a descrição e a análise nutricional
-    return description, analysis
+    return analysis
 
 # Interface Gradio com Design Avançado
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="cyan")) as demo:
@@ -114,7 +115,17 @@ with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="cyan")) a
     # Função para processar a imagem
     def process_image(image):
         try:
-            description, analysis = nutritional_analysis(image)
+            # Converter a imagem para bytes para uso no cache
+            buffered = io.BytesIO()
+            image.save(buffered, format="JPEG")
+            image_bytes = buffered.getvalue()
+            
+            # Obter descrição da imagem do cache
+            description = interpret_image_cached(image_bytes)
+            
+            # Obter análise nutricional do cache
+            analysis = nutritional_analysis_cached(description)
+            
             feedback.update("✅ Análise concluída com sucesso!")
             return description, analysis
         except Exception as e: