Update app.py

app.py

@@ -1,10 +1,10 @@
 import gradio as gr
 from transformers import Blip2Processor, Blip2ForConditionalGeneration, pipeline
 from PIL import Image
-import requests
 import os
 import io
 from functools import lru_cache
+import tempfile
 
 # Função para verificar se o modelo existe localmente
 def check_model_locally(model_name):
@@ -23,7 +23,7 @@ else:
     processor = Blip2Processor.from_pretrained(model_blip2_name)
     model_blip2 = Blip2ForConditionalGeneration.from_pretrained(model_blip2_name)
 
-# Carregar um modelo de linguagem para análise nutricional (exemplo: Flan-T5)
+# Carregar o modelo de linguagem para análise nutricional (exemplo: Flan-T5)
 nutrition_model_name = "google/flan-t5-large"
 if check_model_locally(nutrition_model_name):
     print(f"Modelo {nutrition_model_name} encontrado localmente.")
@@ -35,27 +35,18 @@ else:
 # 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
+    image = Image.open(io.BytesIO(image_bytes)).convert("RGB")
     inputs = processor(image, return_tensors="pt")
     out = model_blip2.generate(**inputs)
-    
-    # Decodificar a saída para texto
     description = processor.decode(out[0], skip_special_tokens=True)
-    
-    # Pós-processamento para melhorar a descrição
     description = description.strip().capitalize()
     if not description.endswith("."):
         description += "."
-    
     return description
 
 # 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"
@@ -68,91 +59,117 @@ def nutritional_analysis_cached(description):
         f"- Recomendações para melhorar o prato: [sugestões]\n\n"
         f"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()
-    
     return analysis
 
-# Interface Gradio com Design Avançado
+# Função para gerar dicas de saúde com cache
+@lru_cache(maxsize=128)
+def health_tips_cached(description):
+    prompt = (
+        f"Com base na descrição do prato de comida abaixo, forneça dicas de saúde e sugestões "
+        f"para melhorar o prato, tornando-o mais equilibrado e nutritivo. Liste as dicas em tópicos.\n\n"
+        f"Descrição do prato: {description}\n\n"
+        f"Dicas de saúde:"
+    )
+    tips = nutrition_model(prompt, max_length=150)[0]['generated_text']
+    tips = tips.replace("Dicas de saúde:", "").strip()
+    return tips
+
+# Função para processar a imagem e gerar todos os resultados
+def process_image(image):
+    try:
+        # Converter a imagem para bytes e gerar a descrição com cache
+        buffered = io.BytesIO()
+        image.save(buffered, format="JPEG")
+        image_bytes = buffered.getvalue()
+        
+        description = interpret_image_cached(image_bytes)
+        analysis = nutritional_analysis_cached(description)
+        tips = health_tips_cached(description)
+        complete_result = (
+            f"Descrição do Prato:\n{description}\n\n"
+            f"Análise Nutricional:\n{analysis}\n\n"
+            f"Dicas de Saúde:\n{tips}"
+        )
+        feedback_message = "✅ Análise concluída com sucesso!"
+        # Retorne os 5 outputs: cada aba e um estado oculto com o resultado completo
+        return description, analysis, tips, complete_result, complete_result, feedback_message
+    except Exception as e:
+        feedback_message = f"❌ Erro ao processar a imagem: {str(e)}"
+        return "", "", "", "", "", feedback_message
+
+# Função para gerar um arquivo de download com o resultado completo
+def generate_download(complete_result):
+    try:
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".txt", mode="w", encoding="utf-8") as tmp:
+            tmp.write(complete_result)
+            return tmp.name
+    except Exception as e:
+        return None
+
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="blue", secondary_hue="cyan")) as demo:
-    # Cabeçalho com Marketing
     with gr.Row():
         gr.Markdown("""
-        # 🍽️ Agente Nutricionista Inteligente
-        ### Transforme suas refeições em escolhas saudáveis!
-        - **Descrição automática** de pratos de comida com IA avançada.
-        - **Análise nutricional detalhada** com estimativas de calorias e macronutrientes.
-        - **Recomendações personalizadas** para melhorar sua dieta.
+        # 🍽️ Agente Nutricionista Inteligente Avançado
+        ### Revolucione a análise de suas refeições com IA de última geração!
+        - **Descrição automática** de pratos a partir de imagens.
+        - **Análise nutricional detalhada** com estimativas precisas de calorias e macronutrientes.
+        - **Dicas de saúde personalizadas** para aprimorar sua alimentação.
+        - **Resultado completo para download** em formato TXT.
         """)
-    
-    # Seção de Upload de Imagem
+
     with gr.Row():
         with gr.Column(scale=1):
             gr.Markdown("### 📸 Carregue uma Imagem")
             image_input = gr.Image(type="pil", label="Upload de Imagem", height=300)
-        
         with gr.Column(scale=2):
             gr.Markdown("### 🔍 Resultados")
             with gr.Tabs():
                 with gr.TabItem("Descrição do Prato"):
                     description_output = gr.Textbox(label="Descrição Gerada", lines=3, interactive=False)
-                
                 with gr.TabItem("Análise Nutricional"):
                     analysis_output = gr.Textbox(label="Análise Nutricional", lines=8, interactive=False)
-    
-    # Botão de Ação
+                with gr.TabItem("Dicas de Saúde"):
+                    tips_output = gr.Textbox(label="Dicas de Saúde", lines=6, interactive=False)
+                with gr.TabItem("Resultado Completo"):
+                    complete_result_output = gr.Textbox(label="Resultado Completo", lines=15, interactive=False)
+
     with gr.Row():
         submit_button = gr.Button("✨ Analisar Prato", variant="primary")
-    
-    # Feedback do Usuário
-    with gr.Row():
-        feedback = gr.Markdown("")
-    
-    # Função para processar a imagem
-    def process_image(image):
-        try:
-            # 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:
-            feedback.update(f"❌ Erro ao processar a imagem: {str(e)}")
-            return "", ""
-    
-    # Conectar botão aos outputs
-    submit_button.click(process_image, inputs=image_input, outputs=[description_output, analysis_output])
-    
-    # Rodapé com Chamada à Ação
+        download_button = gr.Button("💾 Baixar Resultado", variant="secondary")
+
+    # Estado oculto para armazenar o resultado completo para o download
+    result_state = gr.State("")
+    feedback = gr.Markdown("")
+
+    submit_button.click(
+        process_image,
+        inputs=image_input,
+        outputs=[description_output, analysis_output, tips_output, complete_result_output, result_state, feedback]
+    )
+
+    download_button.click(
+        generate_download,
+        inputs=result_state,
+        outputs=gr.File(label="Seu Resultado")
+    )
+
     with gr.Row():
         gr.Markdown("""
         ---
         ### 💡 Dicas para Melhores Resultados:
-        - Use imagens claras e bem iluminadas.
-        - Inclua todos os ingredientes visíveis no prato.
-        - Experimente diferentes ângulos para capturar mais detalhes.
+        - Utilize imagens de alta resolução e boa iluminação.
+        - Certifique-se de que todos os ingredientes estejam visíveis.
+        - Experimente diferentes ângulos para capturar os detalhes do prato.
         
-        ### 🌟 Entre em Contato
-        - Quer saber mais? Visite nosso [site](https://example.com) ou nos siga nas redes sociais!
+        ### 🌟 Conecte-se Conosco
+        - Para mais informações, visite nosso site oficial ou siga nossas redes sociais!
         """)
-    
-    # Adicionar exemplos pré-definidos
+
     examples = [
         "https://huggingface.co/spaces/DHEIVER/blip-image-captioning-base/blob/main/img.jpg"
     ]
     gr.Examples(examples, inputs=image_input)
 
-# Iniciar o aplicativo
-demo.launch()
+demo.launch()