import streamlit as st import os from PIL import Image import base64 from io import BytesIO from utils.ai_analyzer import analyze_shelf_image from utils.recommendations import generate_recommendations from utils.ui_components import display_results, display_recommendations st.set_page_config( page_title="Shelf Photo Analyzer", page_icon="🏪", layout="wide", initial_sidebar_state="collapsed" ) st.markdown(""" """, unsafe_allow_html=True) def main(): st.markdown('

🏪 Shelf Photo Analyzer

', unsafe_allow_html=True) st.markdown('

Błyskawiczna analiza ekspozycji produktów na półkach sklepowych przy użyciu AI

', unsafe_allow_html=True) # Initialize session state if 'analysis_results' not in st.session_state: st.session_state.analysis_results = None if 'recommendations' not in st.session_state: st.session_state.recommendations = None if 'analysis_history' not in st.session_state: st.session_state.analysis_history = [] if 'openai_api_key' not in st.session_state: st.session_state.openai_api_key = '' # API Key input st.markdown("### 🔑 OpenAI API Configuration") api_key_input = st.text_input( "Enter your OpenAI API Key", type="password", value=st.session_state.openai_api_key, placeholder="sk-...", help="Your API key is stored only for this session and never saved permanently" ) if api_key_input != st.session_state.openai_api_key: st.session_state.openai_api_key = api_key_input if not st.session_state.openai_api_key: st.warning("⚠️ Please enter your OpenAI API key to use the analyzer. You can get one at: https://platform.openai.com/api-keys") st.info("💡 **Tip:** Your API key is only stored temporarily in your browser session and is never saved permanently.") return st.success("✅ API key configured successfully!") st.markdown("---") # Main interface col1, col2 = st.columns([1, 1]) with col1: st.markdown("### 📸 Upload zdjęcia półki") uploaded_file = st.file_uploader( "Wybierz zdjęcie półki sklepowej", type=['jpg', 'jpeg', 'png', 'webp'], help="Obsługiwane formaty: JPG, PNG, WebP (max 10MB)" ) if uploaded_file is not None: try: image = Image.open(uploaded_file) st.image(image, caption="Uploaded Image", use_column_width=True) st.session_state.uploaded_image = image except Exception as e: st.error(f"Błąd przy wczytywaniu obrazu: {str(e)}") with col2: st.markdown("### 🔍 Nazwa produktu") product_name = st.text_input( "Wpisz nazwę produktu do wyszukania", placeholder="np. Coca-Cola 0.5L, Milka czekolada...", help="Wpisz konkretną nazwę produktu, który chcesz znaleźć na półce" ) st.markdown("### ⚙️ Opcje analizy") analysis_depth = st.selectbox( "Poziom szczegółowości", ["Podstawowy", "Szczegółowy", "Ekspercki"], help="Wybierz poziom analizy - im wyższy, tym więcej szczegółów" ) # Analysis button if st.button("🚀 Analizuj zdjęcie", type="primary", use_container_width=True): if not st.session_state.openai_api_key: st.error("⚠️ Proszę najpierw wprowadzić klucz API!") elif uploaded_file is None: st.error("⚠️ Proszę najpierw wgrać zdjęcie!") elif not product_name.strip(): st.error("⚠️ Proszę wpisać nazwę produktu!") else: with st.spinner("🤖 Analizuję zdjęcie... To może potrwać do 30 sekund"): try: # Convert image to base64 for API buffered = BytesIO() # Convert RGBA to RGB if needed for JPEG if image.mode == 'RGBA': # Create white background rgb_image = Image.new('RGB', image.size, (255, 255, 255)) rgb_image.paste(image, mask=image.split()[-1]) # Use alpha channel as mask image = rgb_image image.save(buffered, format="JPEG") image_base64 = base64.b64encode(buffered.getvalue()).decode() # Analyze image analysis_results = analyze_shelf_image( image_base64, product_name, analysis_depth ) if analysis_results: st.session_state.analysis_results = analysis_results st.session_state.recommendations = generate_recommendations(analysis_results) # Add to history st.session_state.analysis_history.append({ 'product_name': product_name, 'analysis_date': st.session_state.get('current_time', 'Unknown'), 'results': analysis_results }) st.success("✅ Analiza zakończona pomyślnie!") st.rerun() else: st.error("❌ Wystąpił błąd podczas analizy. Spróbuj ponownie.") except Exception as e: st.error(f"❌ Błąd podczas analizy: {str(e)}") # Display results if st.session_state.analysis_results: st.markdown("---") st.markdown("## 📊 Wyniki analizy") # Display analysis results display_results(st.session_state.analysis_results, product_name) # Display recommendations if st.session_state.recommendations: st.markdown("## 💡 Rekomendacje") display_recommendations(st.session_state.recommendations) # Export options col1, col2, col3 = st.columns(3) with col1: if st.button("📄 Eksportuj do PDF"): st.info("🚧 Funkcja w przygotowaniu") with col2: if st.button("📧 Wyślij email"): st.info("🚧 Funkcja w przygotowaniu") with col3: if st.button("🔄 Nowa analiza"): st.session_state.analysis_results = None st.session_state.recommendations = None st.rerun() # Sidebar with history and info with st.sidebar: st.markdown("## 📈 Historia analiz") if st.session_state.analysis_history: for i, analysis in enumerate(reversed(st.session_state.analysis_history[-5:])): with st.expander(f"{analysis['product_name']} ({analysis['analysis_date']})"): score = analysis['results'].get('overall_score', 'N/A') st.write(f"Ocena: {score}/10") if analysis['results'].get('product_found'): st.write("✅ Produkt znaleziony") else: st.write("❌ Produkt nie znaleziony") else: st.write("Brak historii analiz") st.markdown("---") st.markdown("## ℹ️ Informacje") st.markdown(""" **Jak używać:** 1. Wgraj zdjęcie półki 2. Wpisz nazwę produktu 3. Kliknij "Analizuj" 4. Otrzymaj rekomendacje **Wskazówki:** - Rób zdjęcia z dobrem oświetleniu - Upewnij się, że produkty są widoczne - Używaj konkretnych nazw produktów """) st.markdown("---") st.markdown("**Powered by OpenAI GPT-4 Vision**") if __name__ == "__main__": main()