import streamlit as st
from PIL import Image
import os
import folium
from streamlit_folium import st_folium

# --- NEW IMPORTS FOR CHATBOT FUNCTIONALITY ---
# COMMENTED OUT: from groq import Groq
# COMMENTED OUT: from dotenv import load_dotenv
import base64
import tempfile
# Removed pydub import as it's not needed if audio recording/conversion is removed.
# from pydub import AudioSegment

# --- NOUVEAUX IMPORTS POUR LA FONCTIONNALITÉ D'ANALYSE DE PLANTE ---
import tensorflow as tf
import numpy as np

# --- CUSTOM AUDIO RECORDER COMPONENT PLACEHOLDER ---
# Keep the declaration for now, in case it's used elsewhere or for future re-addition,
# but its usage is removed from show_chatbot_view.
try:
    import streamlit.components.v1 as components
    _audio_recorder_component = components.declare_component(
        "audio_recorder_component",
        path="./audio_recorder_component/frontend/build" # Adjust this path to your component's build folder
    )
    def audio_recorder_component():
        return _audio_recorder_component(key="audio_recorder_widget")
except Exception as e:
    st.warning(f"Could not load custom audio recorder component. Audio recording functionality might be limited: {e}")
    def audio_recorder_component():
        st.info("Audio recording component not loaded. Please ensure it's installed correctly and ffmpeg/ffprobe are available.")
        return None

# --- Configuration de la page Streamlit ---
st.set_page_config(
    page_title="GreenField Pro - Dashboard",
    page_icon=":seedling:",
    layout="wide",
    initial_sidebar_state="expanded"
)

# --- Chemins des ressources statiques et du modèle ---
LOGO_PATH = os.path.join("static", "images", "Green Plant and Agriculture Logo (2).png")
CSS_PATH = "style.css"
# CHANGED: Use Hugging Face Hub for model loading
HF_REPO_ID = "mopaoleonel/plante_tedection"
HF_MODEL_FILENAME = "mon_modele.keras"


# --- Dictionnaire des classes de maladies ---
CLASS_NAMES = {
    'Apple___Apple_scab': 0, 'Apple___Black_rot': 1, 'Apple___Cedar_apple_rust': 2, 'Apple___healthy': 3,
    'Blueberry___healthy': 4, 'Cherry_(including_sour)___Powdery_mildew': 5, 'Cherry_(including_sour)___healthy': 6,
    'Corn_(maize)___Cercospora_leaf_spot Gray_leaf_spot': 7, 'Corn_(maize)___Common_rust_': 8, 'Corn_(maize)___Northern_Leaf_Blight': 9,
    'Corn_(maize)___healthy': 10, 'Grape___Black_rot': 11, 'Grape___Esca_(Black_Measles)': 12, 'Grape___Leaf_blight_(Isariopsis_Leaf_Spot)': 13,
    'Grape___healthy': 14, 'Orange___Haunglongbing_(Citrus_greening)': 15, 'Peach___Bacterial_spot': 16, 'Peach___healthy': 17,
    'Pepper,_bell___Bacterial_spot': 18, 'Pepper,_bell___healthy': 19, 'Potato___Early_blight': 20, 'Potato___Late_blight': 21,
    'Potato___healthy': 22, 'Raspberry___healthy': 23, 'Soybean___healthy': 24, 'Squash___Powdery_mildew': 25,
    'Strawberry___Leaf_scorch': 26, 'Strawberry___healthy': 27, 'Tomato___Bacterial_spot': 28, 'Tomato___Early_blight': 29,
    'Tomato___Late_blight': 30, 'Tomato___Leaf_Mold': 31, 'Tomato___Septoria_leaf_spot': 32, 'Tomato___Spider_mites Two-spotted_spider_mite': 33,
    'Tomato___Target_Spot': 34, 'Tomato___Tomato_Yellow_Leaf_Curl_Virus': 35, 'Tomato___Tomato_mosaic_virus': 36, 'Tomato___healthy': 37
}
# Inverser le dictionnaire pour un accès facile par index
CLASS_NAMES_INV = {v: k for k, v in CLASS_NAMES.items()}

# Taille d'entrée attendue par votre modèle
IMG_HEIGHT = 64
IMG_WIDTH = 64
IMG_CHANNELS = 3 # RGB

# --- Fonctions utilitaires et de chargement ---

def load_css(css_file):
    """Charge un fichier CSS externe."""
    try:
        with open(css_file) as f:
            st.markdown(f"<style>{f.read()}</style>", unsafe_allow_html=True)
    except FileNotFoundError:
        st.warning(f"Fichier CSS non trouvé à : {css_file}. L'interface utilisera les styles par défaut.")
    except Exception as e:
        st.error(f"Erreur lors du chargement du CSS : {e}")

# MODIFIED: Use hf_hub_download to get the model
@st.cache_resource # Met en cache le modèle pour éviter les rechargements coûteux
def load_keras_model_from_hub(repo_id, filename):
    """Charge le modèle Keras depuis Hugging Face Hub."""
    try:
        from huggingface_hub import hf_hub_download
        model_path = hf_hub_download(repo_id=repo_id, filename=filename)
        st.info(f"Modèle téléchargé depuis Hugging Face: {model_path}")
        model = tf.keras.models.load_model(model_path)
        # NOUVELLES LIGNES DE DÉBOGAGE (vous pouvez les supprimer après résolution)
        st.info(f"Vérification de la version de TensorFlow sur Streamlit Cloud...")
        st.info(f"TensorFlow version sur Streamlit Cloud: {tf.__version__}")
        st.info(f"Keras version sur Streamlit Cloud: {tf.keras.__version__}")
        # FIN DES LIGNES DE DÉBOGAGE
        st.success("Modèle Keras chargé avec succès !")
        return model
    except Exception as e:
        st.error(f"Erreur Critique : Impossible de télécharger ou charger le modèle depuis Hugging Face Hub: {e}")
        st.info(f"Assurez-vous que le dépôt '{repo_id}' et le fichier '{filename}' existent et sont accessibles. Vérifiez également que votre modèle a été sauvegardé avec TensorFlow {tf.__version__}.")
        return None

# --- Fonctions pour les vues spécifiques ---

def show_dashboard_view():
    """Affiche le tableau de bord principal avec les métriques et la carte."""
    st.markdown("<h1>Tableau de Bord</h1>", unsafe_allow_html=True)

    col1, col2, col3, col4 = st.columns(4)

    with col1:
        st.markdown("""
            <a href="#" class="info-card">
                <div>
                    <div class="value">24°C</div>
                    <div class="label">Température</div>
                </div>
                <div class="icon-container"><i class="fas fa-thermometer-three-quarters"></i></div>
            </a>
        """, unsafe_allow_html=True)

    with col2:
        st.markdown("""
            <a href="#" class="info-card">
                <div>
                    <div class="value">42.5%</div>
                    <div class="label">Humidité</div>
                </div>
                <div class="icon-container"><i class="fas fa-tint"></i></div>
            </a>
        """, unsafe_allow_html=True)

    with col3:
        st.markdown("""
            <a href="#" class="info-card">
                <div>
                    <div class="value">3.0mm</div>
                    <div class="label">Précipitation</div>
                </div>
                <div class="icon-container"><i class="fas fa-cloud-rain"></i></div>
            </a>
        """, unsafe_allow_html=True)

    with col4:
        st.markdown("""
            <a href="#" class="info-card">
                <div>
                    <div class="value">3.5m/s</div>
                    <div class="label">Vent</div>
                </div>
                <div class="icon-container"><i class="fas fa-wind"></i></div>
            </a>
        """, unsafe_allow_html=True)

    st.markdown("---")

    st.markdown("<h2 id='map-plantation'><i class='fa-solid fa-map-location-dot'></i> Carte des Plantations</h2>", unsafe_allow_html=True)

    center_lat = 5.4746
    center_lon = 10.4243

    m = folium.Map(location=[center_lat, center_lon], zoom_start=10, control_scale=True)

    folium.Marker(
        location=[center_lat, center_lon],
        popup="<b>Bafoussam</b><br>Zone de Plantation Principale",
        tooltip="Bafoussam"
    ).add_to(m)

    folium.Marker(
        location=[5.62, 10.05],
        popup="<b>Zone Ouest</b><br>Quelques fermes ici.",
        icon=folium.Icon(color="green", icon="leaf")
    ).add_to(m)

    st_folium(m, width='100%', height=500)

    st.markdown("""
        <p style='color: var(--text-color); margin-top: 1rem;'>
            Visualisation des emplacements de vos plantations et des points d'intérêt.
        </p>
    """, unsafe_allow_html=True)


def show_plant_analysis_view(groq_client, model):
    """Affiche la page d'analyse de maladie des plantes."""
    st.markdown("<h2 id='analyse-plant'><i class='fa-solid fa-microscope'></i> Analyser ma plante</h2>", unsafe_allow_html=True)
    st.markdown("Téléchargez une image de la feuille de votre plante pour obtenir un diagnostic instantané et des recommandations.")

    if not model:
        st.error("Le service d'analyse est indisponible car le modèle de prédiction n'a pas pu être chargé. Veuillez vérifier le chemin du modèle.")
        return

    uploaded_file = st.file_uploader("Choisissez une image...", type=["jpg", "jpeg", "png"], label_visibility="collapsed", key="plant_analysis_uploader")

    if uploaded_file is not None:
        col1, col2 = st.columns([0.8, 1.2]) # Donner plus de place aux résultats
        with col1:
            st.image(uploaded_file, caption="Image téléchargée", use_container_width=True)

        with col2:
            with st.spinner("Analyse de l'image en cours..."):
                try:
                    image = Image.open(uploaded_file).convert('RGB')
                    # REDIMENSIONNEMENT À LA TAILLE ATTENDUE PAR VOTRE MODÈLE
                    img_resized = image.resize((IMG_WIDTH, IMG_HEIGHT))
                    img_array = tf.keras.preprocessing.image.img_to_array(img_resized)
                    img_array = tf.expand_dims(img_array, 0) # Ajoute une dimension de batch

                    # NORMALISATION: Assurez-vous que c'est la même que celle utilisée lors de l'entraînement
                    # Si votre modèle attend des valeurs entre 0 et 1
                    img_array = tf.cast(img_array, tf.float32) / 255.0
                    # Si votre modèle gère la normalisation en interne (ex: Rescaling layer), supprimez la ligne ci-dessus.

                    prediction = model.predict(img_array)
                    predicted_class_index = np.argmax(prediction)
                    predicted_class_name = CLASS_NAMES_INV[predicted_class_index]

                    # Formatage du nom pour une meilleure lisibilité
                    parts = predicted_class_name.split('___')
                    plant_name = parts[0].replace('_', ' ')
                    disease_name = parts[1].replace('_', ' ')

                except Exception as e:
                    st.error(f"Erreur lors du traitement de l'image ou de la prédiction : {e}")
                    st.info("Assurez-vous que l'image est valide et que le modèle est compatible.")
                    return # Arrête le traitement si erreur

            st.subheader("Résultats de l'analyse")
            if 'healthy' in disease_name.lower():
                st.success(f"**Diagnostic :** La plante ({plant_name}) semble **saine**.")
                st.balloons()
                st.markdown("<hr>", unsafe_allow_html=True)
                st.subheader("Conseils pour une plante saine")
                # MODIFIED: Simulate Groq response for healthy plant
                st.markdown(f"""
                    ### 🌱 Conseils pour une Plante Saine
                    - **Arrosage Optimal :** Assurez-vous que votre plante {plant_name} reçoit la juste quantité d'eau, en évitant l'excès ou le manque.
                    - **Lumière Adéquate :** Positionnez-la là où elle bénéficiera de l'exposition au soleil idéale pour son type.
                    - **Nutriments Essentiels :** Apportez les engrais nécessaires selon les cycles de croissance et les besoins spécifiques de la plante.
                    - **Surveillance Continue :** Inspectez régulièrement les feuilles et les tiges pour détecter tout signe inhabituel ou parasite.

                    *Votre {plant_name} est en pleine forme ! Continuez d'appliquer ces bons gestes pour une croissance vigoureuse.*
                """)
            else:
                st.warning(f"**Diagnostic :** {plant_name} - **{disease_name}**")

                # MODIFIED: Simulate Groq response for diseased plant
                st.markdown("<hr>", unsafe_allow_html=True)
                st.subheader("Recommandations")
                st.markdown(f"""
                    ### 🧐 Causes Principales
                    - **Conditions Environnementales :** Souvent liée à une humidité excessive, un drainage insuffisant, ou des variations de température.
                    - **Manque de Nutriments :** Une carence spécifique peut affaiblir la {plant_name} et la rendre susceptible à la {disease_name}.
                    - **Agents Pathogènes :** La présence de champignons, bactéries ou virus, souvent propagés par le vent, l'eau ou les outils.

                    ### 🛡️ Solutions et Traitements
                    **Prévention :**
                    - **Hygiène des Outils :** Nettoyez et désinfectez régulièrement vos outils de jardinage.
                    - **Rotation des Cultures :** Évitez de replanter la même espèce au même endroit pour rompre le cycle des maladies.
                    - **Ventilation :** Assurez une bonne circulation de l'air autour de vos plantes pour réduire l'humidité.
                    **Traitements Biologiques :**
                    - **Pulvérisations Naturelles :** Des solutions à base de neem, de bicarbonate de soude ou de purin d'ortie peuvent aider à contrôler la {disease_name}.
                    - **Introduction de Prédateurs :** Dans certains cas, l'utilisation d'insectes bénéfiques peut aider à gérer les vecteurs de la maladie.
                    **Traitements Chimiques :**
                    - **Fongicides/Bactéricides Spécifiques :** Si la maladie est sévère, utilisez des produits homologués pour la {disease_name}, en respectant scrupuleusement les instructions et les délais avant récolte.

                    *Agissez rapidement pour donner à votre {plant_name} les meilleures chances de se rétablir. Courage !*
                """)


def show_chatbot_view(groq_client): # Keep groq_client in signature for consistency, but won't be used
    """Affiche la page de l'assistant virtuel (chatbot)."""
    st.markdown("<h2><i class='fa-solid fa-comments'></i> Assistant Virtuel</h2>", unsafe_allow_html=True)
    st.markdown("Posez-moi n'importe quelle question sur l'agriculture, vos cultures, ou les résultats de vos analyses.")

    # MODIFIED: No longer check for groq_client to enable/disable, but provide info
    st.info("L'assistant virtuel est actuellement en mode de démonstration. Il ne se connecte pas à une IA réelle.")

    # Bouton pour effacer l'historique dans la barre latérale
    with st.sidebar:
        if st.button("Effacer l'historique du Chat", use_container_width=True, key="clear_chat_button"):
            st.session_state.messages = [{"role": "bot", "content": "Bonjour ! Je suis votre assistant virtuel GreenField. Comment puis-je vous aider aujourd'hui ?"}]
            st.rerun()

    # Initialisation de l'historique du chat
    if "messages" not in st.session_state:
        st.session_state.messages = [{"role": "bot", "content": "Bonjour ! Je suis votre assistant virtuel GreenField. Comment puis-je vous aider aujourd'hui ?"}]

    # Affichage des messages
    for message in st.session_state.messages:
        with st.chat_message(message["role"], avatar='🧑‍🌾' if message["role"] == 'user' else '🤖'):
            st.markdown(message["content"])

    st.markdown("<div style='margin-top: 1.5rem;'></div>", unsafe_allow_html=True)

    # --- Form for text input and file uploader ---
    with st.form("chat_input_form", clear_on_submit=True):
        message_input = st.text_input("💬 Entrez votre message ici :", "", key="chat_text_input", autocomplete="off")
        # COMMENTED OUT: Removed audio file uploader as it required Groq Whisper
        # audio_file_uploader = st.file_uploader("📢 Téléversez un message audio (format m4a, mp3, wav)", type=["m4a", "mp3", "wav"], key="chat_audio_uploader")
        send_button = st.form_submit_button("✉️ Envoyer Message", type="primary")

    processed_message_content = ""

    # Logique de traitement du formulaire soumis (texte seulement maintenant)
    if send_button:
        # COMMENTED OUT: Logic for audio file uploader, as it uses Groq Whisper
        # if audio_file_uploader:
        #     st.info("Traitement du fichier audio téléversé...")
        #     filename = None
        #     try:
        #         filename = tempfile.NamedTemporaryFile(delete=False, suffix=f".{audio_file_uploader.name.split('.')[-1]}").name
        #         with open(filename, "wb") as f:
        #             f.write(audio_file_uploader.getvalue())
        #         with open(filename, "rb") as file_to_transcribe:
        #             with st.spinner("Transcription audio en cours..."):
        #                 # transcription = groq_client.audio.transcriptions.create(...) # This line is now commented out
        #                 processed_message_content = "Ceci est une transcription simulée de votre message audio."
        #         st.session_state.messages.append({"role": "user", "content": processed_message_content})
        #     except Exception as e:
        #         st.error(f"Erreur Transcription (Fichier Téléversé): {e}")
        #         processed_message_content = ""
        #     finally:
        #         if filename and os.path.exists(filename):
        #             os.remove(filename)
        if message_input: # If text input is provided
            processed_message_content = message_input
            st.session_state.messages.append({"role": "user", "content": processed_message_content})

        # Si un message a été traité avec succès (texte seulement)
        if processed_message_content:
            with st.spinner("Le chatbot réfléchit..."):
                # MODIFIED: Simulate Groq response
                simulated_response = "Bonjour ! Je suis votre assistant virtuel GreenField. Pour l'instant, je ne peux que simuler des réponses, mais je suis là pour vous aider à explorer les fonctionnalités de l'application. N'hésitez pas à naviguer !"
                st.session_state.messages.append({"role": "bot", "content": simulated_response})

        st.rerun() # Force rerun to update chat history and show response


# --- LOGIQUE PRINCIPALE DE L'APPLICATION ---

# Chargement du CSS et Font Awesome
load_css(CSS_PATH)
st.markdown("""<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/font-awesome/6.0.0-beta3/css/all.min.css">""", unsafe_allow_html=True)

# COMMENTED OUT: Initialisation du client Groq
groq_client = None # Set to None directly to indicate it's not active
# try:
#     load_dotenv() # Charge les variables d'environnement du fichier .env
#     groq_api_key = os.environ.get("GROQ_API_KEY")
#     if groq_api_key:
#         groq_client = Groq(api_key=groq_api_key)
#     else:
#         st.sidebar.warning("GROQ_API_KEY non trouvée. Le chatbot et les recommandations d'analyse ne seront pas disponibles. Veuillez l'ajouter à votre fichier `.env`.")
# except Exception as e:
#     st.sidebar.error(f"Erreur d'initialisation Groq : {e}. Le chatbot et les recommandations seront désactivés.")

# Chargement du modèle Keras (mise en cache automatique par @st.cache_resource)
# MODIFIED: Call the new function for loading from Hugging Face Hub
keras_model = load_keras_model_from_hub(HF_REPO_ID, HF_MODEL_FILENAME)


# Configuration de la barre latérale
with st.sidebar:
    try:
        logo_image = Image.open(LOGO_PATH)
        st.image(logo_image, use_container_width=True)
    except FileNotFoundError:
        st.warning(f"Logo non trouvé à {LOGO_PATH}. L'image par défaut sera utilisée.")
    except Exception as e:
        st.warning(f"Erreur lors du chargement du logo : {e}")

    st.markdown("<h2 style='text-align: center;'>Menu Principal</h2>", unsafe_allow_html=True) # Titre du menu

    # Boutons de navigation
    if st.button("📊 Tableau de Bord", use_container_width=True, key="nav_dashboard"):
        st.session_state.current_view = "dashboard"
        st.rerun()

    # Bouton pour la nouvelle vue d'analyse de plante
    if st.button("🌱 Analyser ma plante", use_container_width=True, key="nav_analysis"):
        st.session_state.current_view = "plant_analysis" # Nouvelle vue
        st.rerun()

    if st.button("💬 Assistant Virtuel", use_container_width=True, key="nav_chat"):
        st.session_state.current_view = "chat"
        st.rerun()

    st.markdown("<hr style='margin: 1.5rem 0;'>", unsafe_allow_html=True) # Séparateur

    # Bouton de déconnexion (simulé)
    if st.button("🚪 Déconnexion", use_container_width=True, key="nav_logout"):
        st.warning("Déconnexion simulée. Ajoutez votre logique de déconnexion ici.")
        st.session_state.current_view = "dashboard" # Redirige vers le tableau de bord après déconnexion
        st.rerun() # Pour rafraîchir la page après la déconnexion simulée

    st.markdown("<div style='text-align: center; font-size: 0.8rem; color: var(--text-color-light); margin-top: 2rem;'>© 2025 GreenField Pro. Tous droits réservés.</div>", unsafe_allow_html=True)


# Logique de routage pour afficher la bonne vue
if "current_view" not in st.session_state:
    st.session_state.current_view = "dashboard" # Vue par défaut

if st.session_state.current_view == "dashboard":
    show_dashboard_view()
elif st.session_state.current_view == "plant_analysis": # Appel à la nouvelle vue
    show_plant_analysis_view(groq_client, keras_model) # groq_client est passé mais est None et n'est pas utilisé
elif st.session_state.current_view == "chat":
    show_chatbot_view(groq_client) # groq_client est passé mais est None et n'est pas utilisé
else: # Fallback pour toute valeur inattendue
    show_dashboard_view()