Update app.py

app.py

@@ -3,9 +3,7 @@ from transformers import (
     AutoProcessor, 
     AutoModelForVision2Seq, 
     BlipProcessor, 
-    BlipForQuestionAnswering,
-    OFATokenizer, 
-    OFAModel
+    BlipForQuestionAnswering
 )
 from PIL import Image
 import torch
@@ -25,10 +23,6 @@ class IridologyAnalyzer:
         self.blip_processor = BlipProcessor.from_pretrained("Salesforce/blip-vqa-base")
         self.blip_model = BlipForQuestionAnswering.from_pretrained("Salesforce/blip-vqa-base")
         
-        # OFA model
-        self.ofa_tokenizer = OFATokenizer.from_pretrained("OFA-Sys/ofa-base")
-        self.ofa_model = OFAModel.from_pretrained("OFA-Sys/ofa-base")
-        
         # Perguntas predefinidas para análise de iridologia
         self.iridology_questions = [
             "What is the color pattern of the iris?",
@@ -38,7 +32,11 @@ class IridologyAnalyzer:
             "What is the condition of the pupil?",
             "Are there any lines radiating from the pupil?",
             "Is there any discoloration in specific areas?",
-            "What is the overall clarity of the iris?"
+            "What is the overall clarity of the iris?",
+            "Describe any notable features in the iris tissue",
+            "Are there any white marks or spots?",
+            "Describe the structure of the iris fibers",
+            "What is the condition of the iris border?"
         ]
         
         print("Modelos carregados com sucesso!")
@@ -58,42 +56,31 @@ class IridologyAnalyzer:
         outputs = self.blip_model.generate(**inputs)
         return self.blip_processor.decode(outputs[0], skip_special_tokens=True)
 
-    def analyze_with_ofa(self, image, question):
-        inputs = self.ofa_tokenizer([question], return_tensors="pt")
-        img = self.ofa_tokenizer(images=image, return_tensors="pt").pixel_values
-        
-        outputs = self.ofa_model.generate(
-            input_ids=inputs.input_ids,
-            pixel_values=img,
-            max_length=50,
-            num_beams=4
-        )
-        return self.ofa_tokenizer.batch_decode(outputs, skip_special_tokens=True)[0]
-
     def comprehensive_analysis(self, image):
         """Realiza uma análise completa usando todos os modelos e questões predefinidas."""
         results = []
         
         for question in self.iridology_questions:
             # Análise com cada modelo
-            git_result = self.analyze_with_git(image, question)
-            blip_result = self.analyze_with_blip(image, question)
-            ofa_result = self.analyze_with_ofa(image, question)
-            
-            results.append({
-                "question": question,
-                "git_analysis": git_result,
-                "blip_analysis": blip_result,
-                "ofa_analysis": ofa_result
-            })
+            try:
+                git_result = self.analyze_with_git(image, question)
+                blip_result = self.analyze_with_blip(image, question)
+                
+                results.append({
+                    "question": question,
+                    "git_analysis": git_result,
+                    "blip_analysis": blip_result
+                })
+            except Exception as e:
+                print(f"Erro ao processar questão '{question}': {str(e)}")
+                continue
         
         # Formatar resultados
         formatted_results = "Análise Detalhada de Iridologia:\n\n"
         for result in results:
             formatted_results += f"Pergunta: {result['question']}\n"
-            formatted_results += f"GIT: {result['git_analysis']}\n"
-            formatted_results += f"BLIP: {result['blip_analysis']}\n"
-            formatted_results += f"OFA: {result['ofa_analysis']}\n"
+            formatted_results += f"Análise 1 (GIT): {result['git_analysis']}\n"
+            formatted_results += f"Análise 2 (BLIP): {result['blip_analysis']}\n"
             formatted_results += "-" * 50 + "\n"
         
         return formatted_results
@@ -124,6 +111,12 @@ def create_gradio_interface():
         description="""
         Este sistema analisa imagens de íris usando múltiplos modelos de IA para identificar padrões relevantes para iridologia.
         Faça o upload de uma imagem clara do olho para análise.
+        
+        Recomendações para melhores resultados:
+        1. Use imagens bem iluminadas
+        2. Garanta que a íris esteja em foco
+        3. Evite reflexos excessivos
+        4. Enquadre apenas o olho na imagem
         """,
         examples=[],
         cache_examples=True
@@ -133,4 +126,4 @@ def create_gradio_interface():
 
 if __name__ == "__main__":
     iface = create_gradio_interface()
-    iface.launch(share=True)
+    iface.launch()