Update app.py

app.py

@@ -7,12 +7,6 @@ import numpy as np
 import cv2
 import base64
 import mimetypes
-# --- NOVAS importações do 'teste yolo.txt' ---
-import io
-from pathlib import Path
-from PIL import Image
-from ultralytics import YOLO
-# --- Fim das novas importações ---
 from fastapi import FastAPI, File, UploadFile, HTTPException
 from fastapi.middleware.cors import CORSMiddleware
 from fastapi.responses import JSONResponse
@@ -22,11 +16,6 @@ from botocore.exceptions import NoCredentialsError
 # 1. CONFIGURAÇÃO E CLIENTES (CARREGADOS NA INICIALIZAÇÃO)
 # ==============================================================================
 
-# --- NOVAS constantes do 'teste yolo.txt' ---
-LOCAL_RESULT = 'back-ciser/result'
-YOLO_MODEL_PATH = 'best.pt'
-# --- Fim das novas constantes ---
-
 # Carrega as configurações das variáveis de ambiente (Secrets do Hugging Face)
 AWS_ACCESS_KEY_ID = os.getenv("AWS_ACCESS_KEY_ID")
 AWS_SECRET_ACCESS_KEY = os.getenv("AWS_SECRET_ACCESS_KEY")
@@ -35,7 +24,7 @@ AWS_S3_REGION = os.getenv("AWS_S3_REGION")
 SUPABASE_URL = os.getenv("SUPABASE_URL")
 SUPABASE_KEY = os.getenv("SUPABASE_KEY")
 
-# Validação (do back atual.txt)
+# Validação para garantir que todos os secrets foram configurados
 if not all([AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY, AWS_S3_BUCKET_NAME, AWS_S3_REGION, SUPABASE_URL, SUPABASE_KEY]):
     raise RuntimeError("Erro: Nem todos os secrets necessários foram configurados no Hugging Face Space.")
 
@@ -55,7 +44,7 @@ except Exception as e:
 # Inicializa a aplicação FastAPI
 app = FastAPI(title="Detector de Corrosão Branca com Salvamento S3/Supabase")
 
-# Middleware (do back atual.txt)
+# Em produção, restrinja ao domínio do seu frontend
 app.add_middleware(
     CORSMiddleware,
     allow_origins=["*"],
@@ -68,10 +57,8 @@ app.add_middleware(
 # 2. FUNÇÕES HELPER (LÓGICA REUTILIZÁVEL)
 # ==============================================================================
 
-# --- Função ORIGINAL do 'back atual.txt' (usada por ambas as lógicas) ---
 def process_image_bytes(img_bytes: bytes):
-    """Lógica de análise de imagem com OpenCV.
-    Retorna um dict com métricas e a imagem de corrosão em numpy."""
+    """Lógica de análise de imagem com OpenCV. Retorna um dict com métricas e a imagem de corrosão em numpy."""
     nparr = np.frombuffer(img_bytes, np.uint8)
     img = cv2.imdecode(nparr, cv2.IMREAD_COLOR)
     if img is None:
@@ -123,106 +110,6 @@ def process_image_bytes(img_bytes: bytes):
     
     return analysis_results, corrosion_vis_rgb
 
-
-# --- NOVAS funções helper do 'teste yolo.txt' (para o fluxo de segmentação) ---
-
-def analyze_and_persist(img_bytes: bytes, logical_name: str):
-    """
-    Processa a imagem em memória (process_image_bytes), faz upload no S3 (original & resultado)
-    e insere na tabela 'amostras'.
-    Retorna o dict da análise + chaves S3 + database_id.
-    """
-    # 1) Processa
-    analysis_results, corrosion_image_np = process_image_bytes(img_bytes)
-
-    # 2) Upload ORIGINAL
-    content_type = mimetypes.guess_type(logical_name)[0] or "application/octet-stream"
-    extensao = mimetypes.guess_extension(content_type) or ".jpg"
-
-    s3_key_original = f"imagens_originais/{uuid.uuid4()}{extensao}"
-    s3_client.put_object(
-        Bucket=AWS_S3_BUCKET_NAME,
-        Key=s3_key_original,
-        Body=img_bytes,
-        ContentType=content_type
-    )
-
-    # 3) Upload RESULTADO (PNG)
-    bgr_result = cv2.cvtColor(corrosion_image_np, cv2.COLOR_RGB2BGR)
-    ok, buffer = cv2.imencode('.png', bgr_result)
-    if not ok:
-        raise ValueError("Falha ao codificar a imagem de resultado para PNG.")
-    s3_key_resultado = f"imagens_resultados/{uuid.uuid4()}.png"
-    s3_client.put_object(
-        Bucket=AWS_S3_BUCKET_NAME,
-        Key=s3_key_resultado,
-        Body=buffer.tobytes(),
-        ContentType='image/png'
-    )
-
-    # 4) Insert Supabase (na mesma tabela 'amostra')
-    dados_para_inserir = {
-        "imagem_original": s3_key_original,
-        "imagem_resultado": s3_key_resultado,
-        "resultado": analysis_results["percent"]
-    }
-    response = supabase_client.from_("amostra").insert(dados_para_inserir).execute()
-    new_record_id = response.data[0]['id']
-
-    # Retorno enriquecido
-    out = {
-        **analysis_results,
-        "database_id": new_record_id,
-        "s3_original": s3_key_original,
-        "s3_resultado": s3_key_resultado
-    }
-    return out
-
-
-def segmentate(file_bytes: bytes):
-    """
-    Roda o YOLO, salva predição e crops, e retorna:
-    - save_dir (Path): diretório raiz onde o Ultralytics salvou esta execução
-    - crop_paths (list[Path]): lista com todos os arquivos de imagem dentro de /crops
-    """
-    modelo = YOLO(YOLO_MODEL_PATH) # Usando a constante definida no início
-
-    # Passa a imagem como array
-    img = Image.open(io.BytesIO(file_bytes)).convert("RGB")
-    np_img = np.array(img)
-    np_img_bgr = cv2.cvtColor(np_img, cv2.COLOR_RGB2BGR)
-
-    resultados = modelo.predict(
-        source=np_img,
-        imgsz=1280,
-        conf=0.7,
-        iou=0.3,
-        save=True,
-        save_crop=True,
-        project=LOCAL_RESULT,
-        name="predict",
-        exist_ok=True,
-        verbose=False
-    )
-
-    # Diretório real onde esta execução foi salva
-    save_dir = Path(resultados[0].save_dir)
-
-    crops_dir = save_dir / "crops"
-    if not crops_dir.exists():
-        return save_dir, []
-
-    # Varre recursivamente
-    crop_paths = []
-    for ext in ("*.jpg", "*.png", "*.jpeg", "*.bmp", "*.tif", "*.tiff"):
-        crop_paths.extend(crops_dir.rglob(ext))
-
-    crop_paths = sorted(crop_paths, key=lambda p: str(p).lower())
-    return save_dir, crop_paths
-
-# --- Fim das novas funções helper ---
-
-
 # ==============================================================================
 # 3. ENDPOINTS DA API
 # ==============================================================================
@@ -231,13 +118,11 @@ def segmentate(file_bytes: bytes):
 def read_root():
     return {"status": "ok", "message": "API de Análise de Corrosão no ar!"}
 
-
-# --- Endpoint ORIGINAL do 'back atual.txt' (Sem alterações) ---
 @app.post("/analyze")
 async def analyze(file: UploadFile = File(...)):
     """
     Endpoint principal: Analisa a imagem, salva original e resultado no S3,
-    e persiste os dados no Supabase. (LÓGICA ANTIGA)
+    e persiste os dados no Supabase.
     """
     content = await file.read()
     s3_key_original = None
@@ -260,7 +145,6 @@ async def analyze(file: UploadFile = File(...)):
             ContentType=content_type
         )
 
-        
         # 3. Faz o upload da IMAGEM DE RESULTADO (em memória) para o S3
         s3_key_resultado = f"imagens_resultados/{uuid.uuid4()}.png"
         
@@ -280,6 +164,10 @@ async def analyze(file: UploadFile = File(...)):
         # 4. Salva os metadados e as chaves S3 no Supabase
         print("Inserindo registro no Supabase...")
         dados_para_inserir = {
+            #"nome_amostra": file.filename,
+            #"percentual_corrosao": analysis_results["percent"],
+            #"pixels_totais_obj": analysis_results["total_pixels"],
+            #"pixels_corrosao": analysis_results["corrosion_pixels"],
             "imagem_original": s3_key_original,
             "imagem_resultado": s3_key_resultado,
             "resultado": analysis_results["percent"]
@@ -293,7 +181,7 @@ async def analyze(file: UploadFile = File(...)):
         return JSONResponse(content=analysis_results)
 
     except Exception as e:
-        # Lógica de Rollback:
+        # Lógica de Rollback: Se algo falhar, tenta limpar os arquivos do S3
         print(f"ERRO no processo de análise: {e}")
         if s3_key_original:
             print(f"Removendo objeto órfão do S3: {s3_key_original}")
@@ -301,59 +189,10 @@ async def analyze(file: UploadFile = File(...)):
         if s3_key_resultado:
             print(f"Removendo objeto órfão do S3: {s3_key_resultado}")
             s3_client.delete_object(Bucket=AWS_S3_BUCKET_NAME, Key=s3_key_resultado)
- 
-        raise HTTPException(status_code=500, detail=f"Ocorreu um erro interno: {e}")
-
-
-# --- NOVO Endpoint (lógica do 'teste yolo.txt') ---
-@app.post("/segment_and_analyze")
-async def segment_and_analyze(file: UploadFile = File(...)):
-    """
-    Endpoint com YOLO: Segmenta a imagem, analisa a original E cada crop,
-    e salva tudo no S3/Supabase.
-    (Lógica dos sources 36-39)
-    """
-    content = await file.read()
-
-    # Para rollback em caso de erro
-    created_s3_keys = []
-
-    try:
-        # 0) Segmenta e obtém caminhos dos crops
-        save_dir, crop_paths = segmentate(content)
-
-        # 1) Analisa a imagem ORIGINAL
-        original_res = analyze_and_persist(content, logical_name=file.filename or "upload_sem_nome")
-        created_s3_keys.extend([original_res["s3_original"], original_res["s3_resultado"]])
-
-        # 2) Analisa cada CROP
-        crop_analyses = []
-        for crop_path in crop_paths:
-            crop_bytes = crop_path.read_bytes()
-            logical_name = str(crop_path.relative_to(save_dir)).replace("\\", "/") # nome amigável
-            crop_res = analyze_and_persist(crop_bytes, logical_name=logical_name)
-            created_s3_keys.extend([crop_res["s3_original"], crop_res["s3_resultado"]])
-            crop_res["crop_path"] = logical_name
-            crop_analyses.append(crop_res)
-
-        # 3) Resposta consolidada
-        return JSONResponse(content={
-            "original": original_res,
-            "crops_count": len(crop_analyses),
-            "crops": crop_analyses
-        })
-
-    except Exception as e:
-        # Rollback simples: tenta apagar do S3 o que já foi criado
-        for key in created_s3_keys:
-            try:
-                s3_client.delete_object(Bucket=AWS_S3_BUCKET_NAME, Key=key)
-            except Exception:
-                pass
+        
         raise HTTPException(status_code=500, detail=f"Ocorreu um erro interno: {e}")
 
 
-# --- Endpoint ORIGINAL do 'back atual.txt' (Sem alterações) ---
 @app.get("/samples/{sample_id}")
 async def get_sample_images(sample_id: int):
     """