# -*- coding: utf-8 -*-
# ============================================================
# app.py — หน้าเว็บ (Gradio) สำหรับใช้บนมือถือ
#
# ===== ต้องการอะไร =====
#   ทุกชิ้นทำงานได้แล้ว แต่ยังต้องเรียกผ่าน Python เท่านั้น
#   ผู้ใช้ทั่วไปเปิดใช้ไม่ได้ -> ต้องมีหน้าเว็บให้อัปโหลดรูปแล้วกดปุ่ม
#
# ===== ไฟล์นี้ทำอะไร =====
#   สร้างหน้าเว็บ: อัปรูป + กรอกข้อมูล -> กดคำนวณ -> โชว์ผล
#   เป็นไฟล์ที่ Hugging Face Space จะรัน (ต้องเปิดพอร์ต 7860)
#
# ===== วิธีคิด =====
#   ทำงานหนักทั้งหมดอยู่ที่ features.py + pipeline.py แล้ว
#   ไฟล์นี้แค่ "รับ input -> เรียก analyze() -> จัดข้อความสวยๆ" ไม่มี logic คำนวณเอง
#   (ถ้ามีสูตรโผล่ในไฟล์นี้ = ผิดที่ ต้องย้ายไป nutrition.py)
#
#   *** import features แบบ lazy ***
#   เพราะ features ต้องใช้ detectron2 (Linux เท่านั้น)
#   ถ้า import ตั้งแต่บนไฟล์ -> หน้าเว็บเปิดไม่ขึ้นเลยบน Windows
#   ทำแบบ lazy = หน้าเว็บเปิดได้ทุกที่ แล้วค่อยฟ้อง error ตอนกดปุ่มถ้าไม่มี detectron2
# ============================================================
import os
import sys
import traceback

APP_DIR = os.path.dirname(os.path.abspath(__file__))
sys.path.insert(0, APP_DIR)                                      # ให้ import ไฟล์ข้างๆ ได้


# ============================================================
# ⚠️⚠️ บล็อกนี้ต้องอยู่บนสุด ห้ามมีอะไรมาก่อน ⚠️⚠️
#
# ===== ทำไมต้องมีบล็อกนี้ =====
#   ZeroGPU เช็คตอนแอปเริ่มว่า "มีฟังก์ชันที่ครอบ @spaces.GPU ไหม"
#   ถ้าไม่มี -> ฆ่าแอปทิ้ง ขึ้น "No @spaces.GPU function detected during startup"
#   (เจอจริงตอน deploy 7 ส.ค. — Gradio เปิดได้แล้วแต่ถูกฆ่าใน 2 วินาที)
#
# ===== ทำไมต้องอยู่ "บนสุด" =====
#   spaces ต้องถูก import ก่อนที่ "อะไรก็ตาม" จะไปแตะ CUDA
#   เพราะมันต้องเข้าไปแทรกแซงระบบ GPU ตั้งแต่ยังไม่มีใครเปิดใช้
#   ถ้าสายไป -> RuntimeError: CUDA has been initialized before importing `spaces`
#
#   *** เคยพลาดมาแล้ว ***: เดิมวางบล็อกนี้ไว้ล่างไฟล์ แล้ว _bootstrap() ที่อยู่ข้างบน
#   ดันเรียก torch.cuda.is_available() เพื่อ print สถานะลง log -> CUDA ตื่นก่อน -> พัง
#   (บรรทัดที่ใส่ไว้ช่วยดีบัก กลายเป็นตัวที่ทำให้พังเอง)
#
# ===== ทำไมเป็นฟังก์ชันเปล่า =====
#   งานจริงของเรารันบน CPU ทั้งหมด (detectron2 + Pose2Seg patch ให้ auto-detect แล้ว)
#   ไม่ได้ต้องการ GPU จริง แค่ต้องมีฟังก์ชันนี้ให้ ZeroGPU ตรวจเจอเพื่อผ่านด่าน
#   duration=10 = จองเวลา GPU สั้นสุด ไม่กินโควตา
# ============================================================
try:
    import spaces

    @spaces.GPU(duration=10)
    def _zerogpu_probe():
        """ฟังก์ชันสำหรับให้ ZeroGPU ตรวจเจอตอน startup — ไม่ได้ใช้งานจริง"""
        return 'ok'

    print('[zerogpu] ✅ ลงทะเบียน @spaces.GPU probe แล้ว', flush=True)

except ImportError:
    # รันนอก Space (เช่นเครื่อง Windows) ไม่มีโมดูล spaces -> ข้ามได้ ไม่ใช่ error
    print('[zerogpu] ไม่มีโมดูล spaces (ไม่ได้อยู่บน ZeroGPU) — ข้าม', flush=True)

except RuntimeError as e:
    # เผื่อมีอะไรปลุก CUDA ไปก่อนแล้ว — ไม่ให้แอปตายทั้งตัว
    # (แอปยังเปิดได้ แต่ ZeroGPU อาจฆ่าทิ้งทีหลัง อย่างน้อยจะเห็นสาเหตุใน log)
    print(f'[zerogpu] ⚠️ import spaces ไม่สำเร็จ: {e}', flush=True)


# ============================================================
# bootstrap — งานที่ Dockerfile เคยทำ ย้ายมาทำตอนแอปเริ่มรัน
#
# ทำไมต้องย้ายมาไว้ตรงนี้: Gradio SDK ไม่มี Dockerfile ให้สั่ง RUN
# มีแค่ packages.txt / requirements.txt ที่ลง lib ได้เท่านั้น
# งานอื่น (patch ไฟล์, ตั้ง path) จึงต้องทำตอน import แทน
#
# ⚠️ ต้องรันให้จบ "ก่อน" import features เสมอ
#    เพราะ features จะ import Detected ที่ยังไม่ถูก patch -> พังทันที
# ============================================================
# ============================================================
# ติดตั้ง detectron2 ตอน runtime
#
# ===== ทำไมต้องลงตรงนี้ ไม่ลงใน requirements.txt =====
#   setup.py ของ detectron2 ต้อง import torch เพื่อเช็คว่าเครื่องมี CUDA ไหม
#   แต่ pip สร้าง "ห้องแยก" (build isolation) ตอน build wheel ซึ่งในห้องนั้นไม่มี torch
#   -> ImportError -> build ล้ม (เจอจริงตอน build บน HF 7 ส.ค.)
#   ทางแก้คือ --no-build-isolation แต่ flag นี้เขียนในไฟล์ requirements ไม่ได้
#   -> ย้ายมาลงตอนรัน ซึ่งตอนนั้น torch อยู่ในสภาพแวดล้อมจริงแล้ว มองเห็นแน่นอน
#
# ===== ทำไมต้องลง "เบื้องหลัง" =====
#   ลง detectron2 ต้อง compile ใช้เวลา 5-10 นาที
#   ถ้ารอให้เสร็จก่อนค่อยเปิดเว็บ -> HF อาจตัดสินว่าแอปสตาร์ทไม่ขึ้นแล้วฆ่าทิ้ง
#   ทำเบื้องหลัง -> หน้าเว็บขึ้นทันที + ผู้ใช้เห็นสถานะว่ากำลังติดตั้ง
# ============================================================
D2 = {'state': 'unknown', 'err': ''}      # unknown / installing / ready / failed

D2_URL = 'git+https://github.com/facebookresearch/detectron2.git'


def _install_detectron2_bg():
    """ลง detectron2 ในเธรดเบื้องหลัง (ไม่บล็อกการเปิดหน้าเว็บ)"""
    import threading
    import subprocess

    def work():
        D2['state'] = 'installing'
        print('[d2] เริ่มติดตั้ง detectron2 (ใช้เวลา 5-10 นาที) ...', flush=True)
        cmd = [sys.executable, '-m', 'pip', 'install', '--no-cache-dir',
               '--no-build-isolation',          # ← หัวใจ: ห้ามสร้างห้องแยก จะได้เห็น torch
               'torch==2.10.0',                 # ← ล็อกไว้ กัน pip อัป/ลง torch ทับตอนแอปกำลังใช้อยู่
               'setuptools<81',                 # ← setuptools 81+ ลบ pkg_resources ที่ detectron2 ยังใช้อยู่
               D2_URL]
        p = subprocess.run(cmd, capture_output=True, text=True)

        if p.returncode == 0:
            D2['state'] = 'ready'
            print('[d2] ✅ ติดตั้ง detectron2 สำเร็จ', flush=True)
        else:
            D2['state'] = 'failed'
            D2['err'] = (p.stderr or p.stdout or '')[-1500:]     # เก็บท้าย log ไว้โชว์บนหน้าเว็บ
            print('[d2] ❌ ติดตั้งล้มเหลว:', flush=True)
            print(D2['err'], flush=True)

    threading.Thread(target=work, daemon=True).start()


def _bootstrap():
    on_space = os.path.isdir(os.path.join(APP_DIR, '2DImage2BMI-main'))
    repo = os.path.join(APP_DIR, '2DImage2BMI-main')

    # ---------- (0) detectron2 มีหรือยัง ถ้าไม่มีก็ลงเองเบื้องหลัง ----------
    try:
        import detectron2                       # noqa: F401
        D2['state'] = 'ready'
        print('[d2] ✅ detectron2 มีอยู่แล้ว (ลงตอน build สำเร็จ)', flush=True)
    except ImportError:
        if on_space:
            _install_detectron2_bg()
        else:
            D2['state'] = 'failed'
            D2['err'] = 'ไม่มี detectron2 และไม่ได้อยู่บน Space (เครื่อง Windows รันส่วนนี้ไม่ได้)'

    # ---------- (1) ตั้งที่อยู่ไฟล์ให้ features.py หาเจอ ----------
    # ใช้ setdefault -> ถ้ามีคนตั้ง env มาก่อนแล้วจะไม่ทับของเขา
    defaults = {
        'BMI_REPO':     repo,
        'POSE2SEG_PKL': os.path.join(APP_DIR, 'models', 'pose2seg_release.pkl'),
        'DENSE_PT':     os.path.join(APP_DIR, 'results', 'dense', 'dense_bmi_best.pt'),
        'BUNDLE_PATH':  os.path.join(APP_DIR, 'results', 'dense', 'bmi_bundle.pkl'),
    }
    if on_space:
        for k, v in defaults.items():
            os.environ.setdefault(k, v)

    # ---------- (2) patch repo (ตัด import ที่ไม่มี + เปลี่ยน .cuda() เป็น auto-detect) ----------
    # patch_detected รันซ้ำได้ ไม่พัง -> เรียกทุกครั้งที่แอปตื่นได้เลย ไม่ต้องเช็คก่อน
    if on_space:
        try:
            import patch_detected
            print('[bootstrap] patching repo ...', flush=True)
            rc = patch_detected.main(repo)
            print(f'[bootstrap] patch เสร็จ (rc={rc})', flush=True)
        except Exception as e:
            # ไม่ raise ต่อ เพราะอยากให้หน้าเว็บเปิดขึ้นมาแล้วโชว์ error ให้อ่านได้
            # ดีกว่า Space ตายเงียบๆ แล้วต้องไปไล่ดู log เอง
            print(f'[bootstrap] ⚠️ patch ล้มเหลว: {type(e).__name__}: {e}', flush=True)

    # ---------- (3) รายงานสภาพแวดล้อมลง log (ไว้ไล่ปัญหาตอน build) ----------
    print('[bootstrap] --- สภาพแวดล้อม ---', flush=True)
    for mod in ('numpy', 'torch', 'cv2', 'sklearn', 'detectron2'):
        try:
            m = __import__(mod)
            print(f'[bootstrap]   ✅ {mod:12s} {getattr(m, "__version__", "?")}', flush=True)
        except Exception as e:
            print(f'[bootstrap]   ❌ {mod:12s} {type(e).__name__}: {e}', flush=True)
    try:
        import torch
        print(f'[bootstrap]   device = {"cuda" if torch.cuda.is_available() else "cpu"}', flush=True)
    except Exception:
        pass


_bootstrap()

import gradio as gr
import nutrition as N
from pipeline import analyze

# ---------- ตัวเลือกในหน้าเว็บ (ภาษาไทย) -> ค่าที่โค้ดใช้จริง ----------
SEX_CHOICES = {'ชาย': N.SEX_MALE, 'หญิง': N.SEX_FEMALE}

ACTIVITY_CHOICES = {
    'นั่งโต๊ะ ไม่ออกกำลังกาย':          'sedentary',
    'ออกกำลังกายเบา 1-3 วัน/สัปดาห์':   'light',
    'ปานกลาง 3-5 วัน/สัปดาห์':          'moderate',
    'หนัก 6-7 วัน/สัปดาห์':             'heavy',
    'หนักมาก ทุกวันเช้าเย็น':            'very_heavy',
}

GOAL_CHOICES = {
    'ลดไขมัน':   'lose',
    'คงน้ำหนัก': 'maintain',
    'เพิ่มกล้าม': 'gain',
}


# ============================================================
# ฟังก์ชันที่ถูกเรียกตอนกดปุ่ม "คำนวณ"
# ============================================================
def run(image_path, height_cm, age, sex_th, activity_th, goal_th, target_bf):
    """
    รับค่าจากหน้าเว็บ -> คืนข้อความผลลัพธ์ (markdown)

    ทุก error ต้องถูกจับแล้วแปลงเป็นข้อความที่ผู้ใช้อ่านรู้เรื่อง
    ห้ามปล่อยให้ traceback ดิบโผล่บนหน้าเว็บ (ผู้ใช้ไม่เข้าใจ + ดูไม่โปร)
    """
    # ---------- เช็คว่าอัปรูปมาหรือยัง ----------
    if not image_path:
        return '### ⚠️ ยังไม่ได้เลือกรูป\nกรุณาอัปโหลดรูปถ่ายเต็มตัวก่อนกดคำนวณ'

    # ---------- เช็คว่าโมดูลวิเคราะห์รูปพร้อมหรือยัง ----------
    # detectron2 ถูกลงเบื้องหลังตอนแอปเริ่ม -> ช่วงแรกอาจยังไม่เสร็จ
    # ต้องบอกผู้ใช้ให้ชัด ดีกว่าปล่อยให้กดแล้วเจอ error งงๆ
    if D2['state'] == 'installing':
        return ('### ⏳ ระบบกำลังเตรียมตัว\n'
                'กำลังติดตั้งโมดูลวิเคราะห์ภาพ (ครั้งแรกเท่านั้น ใช้เวลา 5-10 นาที)\n\n'
                'กรุณารอสักครู่แล้วกดวิเคราะห์อีกครั้ง')
    if D2['state'] == 'failed':
        return ('### ❌ ติดตั้งโมดูลวิเคราะห์ภาพไม่สำเร็จ\n'
                'ส่วนวิเคราะห์รูปใช้งานไม่ได้ในขณะนี้\n\n'
                f'```\n{D2["err"][-800:]}\n```')

    # ---------- แปลงตัวเลือกภาษาไทย -> ค่าที่โค้ดใช้ ----------
    sex = SEX_CHOICES[sex_th]
    activity = ACTIVITY_CHOICES[activity_th]
    goal = GOAL_CHOICES[goal_th]

    # ---------- ขั้นที่ 1: รูป -> 22 features (ขั้นที่ต้องใช้ detectron2) ----------
    try:
        from features import image_to_features           # lazy import ตรงนี้
        feat = image_to_features(image_path)
    except ImportError as e:
        return (f'### ❌ ระบบยังไม่พร้อม\n'
                f'โมดูลวิเคราะห์รูปยังโหลดไม่ได้ (ต้องรันบน Linux/Docker)\n\n```\n{e}\n```')
    except Exception as e:
        # เคสที่ผู้ใช้เจอบ่อยสุด: รูปไม่มีคน / เห็นไม่เต็มตัว
        return (f'### ❌ วิเคราะห์รูปไม่สำเร็จ\n\n{e}\n\n'
                f'**วิธีถ่ายให้ได้ผลดี**\n'
                f'- ถ่ายเต็มตัว เห็นตั้งแต่หัวถึงเท้า\n'
                f'- ยืนตรง แขนแนบลำตัว\n'
                f'- คนเดียวในรูป พื้นหลังโล่ง\n'
                f'- แสงสว่างพอ ไม่ย้อนแสง')

    # ---------- ขั้นที่ 2: 22 features + ข้อมูลผู้ใช้ -> ผลลัพธ์ทั้งหมด ----------
    try:
        r = analyze(feat['ratio7'], feat['deep15'],
                    height_cm=height_cm, age=age, sex=sex,
                    activity=activity, goal=goal, target_bf=target_bf)
    except Exception:
        return f'### ❌ คำนวณไม่สำเร็จ\n```\n{traceback.format_exc()}\n```'

    # ---------- ถ้า input ไม่ผ่านการตรวจ ----------
    if not r['ok']:
        lines = '\n'.join(f'- {e}' for e in r['errors'])
        return f'### ⚠️ ข้อมูลไม่ถูกต้อง\n{lines}\n\nกรุณาแก้แล้วลองใหม่'

    return _format(r)


# ============================================================
# จัดผลลัพธ์ให้อ่านง่ายบนมือถือ
# ============================================================
def _format(r):
    m, c, meals = r['macros'], r['bmr_compare'], r['meals']

    txt = f"""
## 📊 ผลการประเมิน

| | |
|---|---|
| **BMI** | **{r['bmi']:.1f}** ({r['bmi_label']}) |
| **% ไขมัน** | **{r['body_fat_pct']:.1f}%** ({r['body_fat_label']}) |
| น้ำหนักโดยประมาณ | {r['weight_kg']:.1f} kg |
| มวลไขมัน | {r['fat_mass_kg']:.1f} kg |
| มวลไร้ไขมัน (LBM) | {r['lbm_kg']:.1f} kg |

> ⚠️ %ไขมันเป็น **ค่าประมาณ ± 5%** จากภาพถ่าย ไม่ใช่การวัดทางการแพทย์

---

## 🔥 พลังงานที่ต้องการ

| | |
|---|---|
| BMR (Katch-McArdle) | {c['katch']:.0f} kcal |
| BMR (Mifflin-St Jeor) | {c['mifflin']:.0f} kcal |
| *ส่วนต่างของ 2 สูตร* | *{c['diff']:+.0f} kcal ({c['diff_pct']:+.1f}%)* |
| TDEE (เผาผลาญจริง/วัน) | {r['tdee']:.0f} kcal |
| **ควรกินวันละ** | **{r['kcal_target']:.0f} kcal** |

> ใช้ **Katch-McArdle** เป็นหลักเพราะคำนวณจากมวลไร้ไขมัน (LBM) ซึ่งได้จาก %ไขมันที่วิเคราะห์จากรูป
> จึงแม่นกว่าสูตรที่ใช้แค่น้ำหนักตัว

---

## 🍽️ สารอาหารต่อวัน

| สารอาหาร | ปริมาณ | พลังงาน |
|---|---|---|
| โปรตีน | **{m['protein_g']:.0f} g** | {m['protein_g'] * 4:.0f} kcal |
| ไขมัน | **{m['fat_g']:.0f} g** | {m['fat_g'] * 9:.0f} kcal |
| คาร์โบไฮเดรต | **{m['carb_g']:.0f} g** | {m['carb_g'] * 4:.0f} kcal |

### แบ่งเป็น 3 มื้อ
| มื้อ | พลังงาน | โปรตีน | ไขมัน | คาร์บ |
|---|---|---|---|---|
"""
    for name, d in meals.items():
        txt += (f"| {name} | {d['kcal']:.0f} kcal | {d['protein_g']:.0f} g "
                f"| {d['fat_g']:.0f} g | {d['carb_g']:.0f} g |\n")

    if r['target_weight_kg']:
        diff = r['target_weight_kg'] - r['weight_kg']
        direction = 'ลด' if diff < 0 else 'เพิ่ม'
        txt += (f"\n---\n\n## 🎯 เป้าหมาย\n"
                f"ถ้าต้องการ %ไขมันตามที่ตั้งไว้ → น้ำหนักเป้าหมาย **{r['target_weight_kg']:.1f} kg** "
                f"({direction} {abs(diff):.1f} kg จากตอนนี้)\n")

    if m.get('warning'):
        txt += f"\n> ⚠️ {m['warning']}\n"

    return txt


# ============================================================
# สร้างหน้าเว็บ
# ============================================================
def build_ui():
    # Gradio 6 ย้าย theme จาก Blocks() ไป launch() -> ตรงนี้ไม่ใส่ theme แล้ว
    with gr.Blocks(title='ประเมิน %ไขมันจากภาพถ่าย') as demo:
        gr.Markdown(
            '# 📷 ประเมิน % ไขมัน และแคลอรี่ที่ควรได้รับต่อวัน\n'
            'อัปโหลดรูปถ่ายเต็มตัว + กรอกข้อมูลพื้นฐาน → ระบบจะประเมิน %ไขมัน '
            'แล้วคำนวณพลังงานและสารอาหารที่เหมาะสม'
        )

        with gr.Row():
            # ---------- ฝั่งซ้าย: input ----------
            with gr.Column():
                img = gr.Image(type='filepath', label='📷 รูปถ่ายเต็มตัว (ยืนตรง คนเดียว พื้นหลังโล่ง)')
                height = gr.Number(value=170, label='ส่วนสูง (ซม.)', minimum=100, maximum=220)
                age = gr.Number(value=25, label='อายุ (ปี)', minimum=15, maximum=80)
                sex = gr.Radio(list(SEX_CHOICES), value='ชาย', label='เพศ')
                act = gr.Dropdown(list(ACTIVITY_CHOICES), value='ปานกลาง 3-5 วัน/สัปดาห์',
                                  label='ระดับกิจกรรม')
                goal = gr.Radio(list(GOAL_CHOICES), value='คงน้ำหนัก', label='เป้าหมาย')
                tbf = gr.Slider(5, 40, value=15, step=1, label='% ไขมันที่อยากได้ (สำหรับคำนวณน้ำหนักเป้าหมาย)')
                btn = gr.Button('🔍 วิเคราะห์', variant='primary', size='lg')

            # ---------- ฝั่งขวา: output ----------
            with gr.Column():
                out = gr.Markdown('ผลลัพธ์จะแสดงตรงนี้หลังกดปุ่มวิเคราะห์\n\n'
                                  '*(ครั้งแรกอาจใช้เวลา 20-30 วินาที เพราะต้องโหลดโมเดล)*')

        btn.click(run, inputs=[img, height, age, sex, act, goal, tbf], outputs=out)

        gr.Markdown(
            '---\n'
            '**ข้อจำกัด:** ค่าที่ได้เป็นการประมาณจากภาพถ่าย 2 มิติ (± 5%) '
            'ไม่สามารถใช้แทนการวัดด้วยเครื่อง DEXA หรือ InBody ได้\n\n'
            '*โครงงาน: การพัฒนาแอปพลิเคชันประเมินเปอร์เซ็นต์ไขมันในร่างกายจากภาพถ่ายด้วยเทคนิค Computer Vision*'
        )
    return demo


if __name__ == '__main__':
    demo = build_ui()

    # HF Spaces บังคับใช้พอร์ต 7860 และต้อง bind 0.0.0.0 (ไม่ใช่ localhost) ไม่งั้นเข้าจากข้างนอกไม่ได้
    opts = dict(server_name='0.0.0.0', server_port=int(os.environ.get('PORT', 7860)))

    # Gradio 6 รับ theme ที่ launch() — แต่เวอร์ชันเก่ารับที่ Blocks()
    # ลองใส่ก่อน ถ้าไม่รองรับก็ปล่อยไปโดยไม่มี theme (สวยน้อยลงแต่ "แอปต้องขึ้นให้ได้" สำคัญกว่า)
    try:
        demo.launch(theme=gr.themes.Soft(), **opts)
    except TypeError:
        print('[ui] เวอร์ชัน Gradio ไม่รับ theme ที่ launch() — เปิดแบบไม่มี theme', flush=True)
        demo.launch(**opts)