Update app.py

app.py

@@ -1,79 +1,85 @@
-import streamlit as st
-import os
-from dotenv import load_dotenv
-from groq import Groq
-import base64
-from prompt import build_messages
-from werkzeug.utils import secure_filename
-from gerar_json import processar_imagem
-
-# Carregar variáveis de ambiente
-load_dotenv()
-client = Groq(
-    api_key=os.getenv("GROQ_API_KEY"),
-)
-
-# Função para codificar a imagem
-def encode_image(image_path):
-    with open(image_path, "rb") as image_file:
-        return base64.b64encode(image_file.read()).decode("utf-8")
-
-# Configuração do Streamlit
-st.title("Análise de Imagens de Vestuário")
-
-# Formulário para entrada do usuário
-with st.form(key="form_analise"):
-    sexo = st.selectbox("Selecione o sexo:", ["Masculino", "Feminino"])
-    ocasiao = st.selectbox("Selecione a ocasião:", ["Formal", "Casual", "Esporte", "Festa", "Praia"])
-    imagem = st.file_uploader("Carregue a imagem:", type=["jpg", "jpeg", "png"])
-    submit_button = st.form_submit_button(label="Enviar")
-
-# Lógica de processamento ao enviar o formulário
-if submit_button:
-    if imagem is not None:
-        # Garantir que o nome do arquivo seja seguro
-        file_name = secure_filename(imagem.name)
-
-        # Criar uma pasta temporária para armazenar o arquivo
-        temp_dir = "temp_images"
-        os.makedirs(temp_dir, exist_ok=True)
-        file_path = os.path.join(temp_dir, file_name)
-
-        # Salvar a imagem no disco
-        with open(file_path, "wb") as f:
-            f.write(imagem.getbuffer())
-
-        # Codificar a imagem para base64
-        base64_image = encode_image(file_path)
-
-        # Processar a imagem
-        deteccao = processar_imagem(file_path)[2]
-
-        # Construir mensagens para os prompts
-        messages_for_description, messages_for_analysis = build_messages(deteccao, base64_image)
-
-        try:
-            # Primeira interação com o modelo
-            chat_completion = client.chat.completions.create(
-                messages=messages_for_description,
-                model="llama-3.2-90b-vision-preview",
-            )
-            clothing_description = chat_completion.choices[0].message.content
-
-            # Segunda interação com o modelo
-            analysis_response = client.chat.completions.create(
-                messages=messages_for_analysis(clothing_description, sexo, ocasiao),
-                model="llama-3.2-90b-vision-preview",
-            )
-            resposta = analysis_response.choices[0].message.content
-
-            # Exibir o resultado
-            st.success("Análise concluída com sucesso!")
-            st.write("### Resultado:")
-            st.write(resposta)
-
-            os.remove(file_path)
-        except Exception as e:
-            st.error(f"Ocorreu um erro durante o processamento: {e}")
-    else:
-        st.warning("Por favor, carregue uma imagem para análise.")
+import streamlit as st
+import os
+from dotenv import load_dotenv
+from groq import Groq
+import base64
+from prompt import build_messages
+from werkzeug.utils import secure_filename
+from gerar_json import processar_imagem
+
+# Carregar variáveis de ambiente
+load_dotenv()
+client = Groq(
+    api_key=os.getenv("GROQ_API_KEY"),
+)
+
+# Função para codificar a imagem
+def encode_image(image_path):
+    with open(image_path, "rb") as image_file:
+        return base64.b64encode(image_file.read()).decode("utf-8")
+
+# Configuração do Streamlit
+st.title("Análise de Imagens de Vestuário")
+
+# Formulário para entrada do usuário
+with st.form(key="form_analise"):
+    sexo = st.selectbox("Selecione o sexo:", ["Masculino", "Feminino"])
+    ocasiao = st.selectbox("Selecione a ocasião:", ["Formal", "Casual", "Esporte", "Festa", "Praia"])
+    imagem = st.file_uploader("Carregue a imagem:", type=["jpg", "jpeg", "png"])
+    submit_button = st.form_submit_button(label="Enviar")
+
+# Lógica de processamento ao enviar o formulário
+if submit_button:
+    if imagem is not None:
+        # Garantir que o nome do arquivo seja seguro
+        file_name = secure_filename(imagem.name)
+
+        # Criar uma pasta temporária para armazenar o arquivo
+        temp_dir = "temp_images"
+        os.makedirs(temp_dir, exist_ok=True)
+        file_path = os.path.join(temp_dir, file_name)
+
+        # Salvar a imagem no disco
+        with open(file_path, "wb") as f:
+            f.write(imagem.getbuffer())
+
+        # Codificar a imagem para base64
+        base64_image = encode_image(file_path)
+
+        # Processar a imagem
+        deteccao = processar_imagem(file_path)[2]
+
+        # Construir mensagens para os prompts
+        messages_for_description, messages_for_analysis = build_messages(deteccao, base64_image)
+
+        try:
+            # Primeira interação com o modelo
+            chat_completion = client.chat.completions.create(
+                messages=messages_for_description,
+                model="llama-3.2-90b-vision-preview",
+            )
+            clothing_description = chat_completion.choices[0].message.content
+
+            # Segunda interação com o modelo
+            analysis_response = client.chat.completions.create(
+                messages=messages_for_analysis(clothing_description, sexo, ocasiao),
+                model="llama-3.2-11b-vision-preview",
+            )
+            resposta = analysis_response.choices[0].message.content
+
+            final_answer = client.chat.completions.create(
+                messages=format_answer(resposta),
+                model="llama3-70b-8192"
+            )
+            resposta_final = analysis_response.choices[0].message.content
+
+            # Exibir o resultado
+            st.success("Análise concluída com sucesso!")
+            st.write("### Resultado:")
+            st.write(resposta_final)
+
+            os.remove(file_path)
+        except Exception as e:
+            st.error(f"Ocorreu um erro durante o processamento: {e}")
+    else:
+        st.warning("Por favor, carregue uma imagem para análise.")