Create main.py

main.py

@@ -0,0 +1,122 @@
+%%writefile main.py
+from fastapi import FastAPI, HTTPException, Security
+from fastapi.security import APIKeyHeader
+from pydantic import BaseModel
+import pandas as pd
+import numpy as np
+import joblib
+
+# --- 1. CONFIGURAÇÃO ---
+app = FastAPI(title="EcoHull AI - Transpetro API", description="Previsão de Bioincrustação e Perda de Performance")
+
+# Carregar Modelos
+try:
+    model = joblib.load("modelo_casco.joblib")
+    regua_fisica = joblib.load("regua_fisica.joblib")
+    le = joblib.load("label_encoder.joblib")
+    print("✅ Modelos carregados no servidor!")
+except Exception as e:
+    print(f"❌ Erro ao carregar modelos: {e}")
+
+# Segurança (Simples)
+API_KEY = "hackathon_transpetro_2025" 
+api_key_header = APIKeyHeader(name="access_token", auto_error=False)
+
+async def get_api_key(api_key_header: str = Security(api_key_header)):
+    if api_key_header == API_KEY: return api_key_header
+    raise HTTPException(status_code=403, detail="Token Inválido")
+
+# --- 2. MODELO DE DADOS (O que o Backend deve mandar) ---
+class DadosNavio(BaseModel):
+    shipName: str
+    speed: float       # Nós
+    duration: float    # Horas
+    distance: float    # Milhas
+    beaufortScale: int 
+    Area_Molhada: float
+    MASSA_TOTAL_TON: float
+    TIPO_COMBUSTIVEL_PRINCIPAL: str # "VLSFO", "MGO"
+    decLatitude: float
+    decLongitude: float
+    DiasDesdeUltimaLimpeza: float
+
+# --- 3. PIPELINE DE ENGENHARIA (A Mágica) ---
+def processar_dados(data: dict):
+    df = pd.DataFrame([data])
+    
+    # A. Geo Risk
+    def get_region_risk(row):
+        lat, lon = row['decLatitude'], row['decLongitude']
+        if (-10 <= lat <= 22) and (95 <= lon <= 145): return 5.0 # Asia
+        if (18 <= lat <= 30) and (-98 <= lon <= -80): return 5.0 # Golfo
+        if (-18 <= lat <= 5) and (-50 <= lon <= -34): return 5.0 # BR NE
+        if (30 <= lat <= 45) and (-6 <= lon <= 36): return 4.5   # Med
+        if (-25 <= lat < -18) and (-55 <= lon <= -39): return 4.0 # BR SE
+        if (-34 <= lat < -25) and (-55 <= lon <= -47): return 3.5 # BR Sul
+        abs_lat = abs(lat)
+        return 5.0 if abs_lat <= 23.5 else (3.0 if abs_lat <= 40 else 2.0)
+    
+    df['RISCO_REGIONAL'] = df.apply(get_region_risk, axis=1)
+
+    # B. Química
+    mapa_energia = {'LSHFO': 40.5, 'MGO': 42.7, 'VLSFO': 41.2}
+    def get_densidade(tipo):
+        for k, v in mapa_energia.items():
+            if str(k) in str(tipo): return v
+        return 41.0
+    
+    df['fator_energia'] = df['TIPO_COMBUSTIVEL_PRINCIPAL'].apply(get_densidade)
+    df['ENERGIA_CALCULADA_MJ'] = df['MASSA_TOTAL_TON'] * 1000 * df['fator_energia']
+
+    # C. Física (Usando a Régua Carregada)
+    df['velocidade_cubo'] = df['speed'] ** 3
+    X_regua = (df['velocidade_cubo'] * df['duration']).values.reshape(-1,1)
+    
+    # Previsão da régua
+    df['ENERGIA_ESPERADA'] = regua_fisica.predict(X_regua)
+    df['PERFORMANCE_LOSS_MJ'] = df['ENERGIA_CALCULADA_MJ'] - df['ENERGIA_ESPERADA']
+
+    # Seleção Final
+    cols = ['speed', 'duration', 'distance', 'beaufortScale', 
+            'Area_Molhada', 'PERFORMANCE_LOSS_MJ', 
+            'DiasDesdeUltimaLimpeza', 'velocidade_cubo', 'RISCO_REGIONAL']
+    
+    return df[cols].fillna(0)
+
+# --- 4. ENDPOINT (Onde o Backend bate) ---
+@app.post("/predict")
+def predict(dados: DadosNavio, token: str = Security(get_api_key)):
+    try:
+        # 1. Processar
+        df_pronto = processar_dados(dados.dict())
+        
+        # 2. Predizer
+        pred_encoded = model.predict(df_pronto)[0]
+        pred_label = int(pred_encoded)
+        
+        # 3. Decodificar (Label Encoder opcional se soubermos que 0-4 é LOF)
+        # Vamos retornar o número e o texto
+        texto_lof = ["BOM", "REGULAR", "ATENÇÃO", "RUIM", "CRÍTICO"][pred_label]
+        
+        # 4. Cálculo Financeiro Rápido (Estimativa)
+        perda_mj = float(df_pronto['PERFORMANCE_LOSS_MJ'].values[0])
+        prejuizo_usd = (perda_mj / 41200.0) * 650.0 if perda_mj > 0 else 0.0
+
+        return {
+            "status": "sucesso",
+            "navio": dados.shipName,
+            "lof_previsto": pred_label,
+            "condicao_texto": texto_lof,
+            "dados_tecnicos": {
+                "perda_performance_mj": round(perda_mj, 2),
+                "risco_regional": float(df_pronto['RISCO_REGIONAL'].values[0]),
+                "prejuizo_estimado_viagem_usd": round(prejuizo_usd, 2)
+            },
+            "recomendacao": "AGENDAR LIMPEZA" if pred_label >= 3 else "MONITORAR"
+        }
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+@app.get("/")
+def home():
+    return {"msg": "API EcoHull Online. Use POST /predict"}