Update app.py

app.py

@@ -1,66 +1,119 @@
 import gradio as gr
 from PIL import Image
-from transformers import BlipProcessor, BlipForConditionalGeneration, pipeline
+from transformers import BlipProcessor, BlipForConditionalGeneration
 import time
 
 # Carregando o modelo BLIP para geração de legendas
 processor = BlipProcessor.from_pretrained("Salesforce/blip-image-captioning-large")
 model_blip = BlipForConditionalGeneration.from_pretrained("Salesforce/blip-image-captioning-large")
 
-# Carregando um modelo de geração de texto (exemplo: GPT-2)
-generator = pipeline('text-generation', model='gpt2')
+# Base de dados nutricionais simples (em português)
+nutritional_database = {
+    "bife": {"calorias": 250, "proteinas": 26, "carboidratos": 0, "gorduras": 15},
+    "feijão": {"calorias": 120, "proteinas": 8, "carboidratos": 20, "gorduras": 1},
+    "arroz": {"calorias": 130, "proteinas": 2.7, "carboidratos": 28, "gorduras": 0.3},
+    "salada": {"calorias": 30, "proteinas": 1, "carboidratos": 5, "gorduras": 0.2},
+    "tomate": {"calorias": 18, "proteinas": 0.9, "carboidratos": 3.9, "gorduras": 0.2},
+}
 
-# Função para gerar legenda da imagem
-def caption(img, min_len, max_len):
-    raw_image = Image.open(img).convert('RGB')
-    inputs = processor(raw_image, return_tensors="pt")
-    out = model_blip.generate(**inputs, min_length=min_len, max_length=max_len)
-    return processor.decode(out[0], skip_special_tokens=True)
+# Função para gerar legenda da imagem usando BLIP
+def generate_caption(img, min_len, max_len):
+    try:
+        raw_image = Image.open(img).convert('RGB')
+        inputs = processor(raw_image, return_tensors="pt")
+        out = model_blip.generate(**inputs, min_length=min_len, max_length=max_len)
+        caption = processor.decode(out[0], skip_special_tokens=True)
+        return caption
+    except Exception as e:
+        return f"Erro ao gerar legenda: {str(e)}"
 
-# Função para gerar informações nutricionais e calorias
-def generate_nutritional_info(food_description, language):
-    if language == "Português":
-        prompt = f"Descreva as informações nutricionais e as calorias do seguinte alimento: {food_description}."
-    else:
-        prompt = f"Provide detailed nutritional information and calories for the following food: {food_description}."
-    
-    result = generator(prompt, max_length=150, num_return_sequences=1)
-    return result[0]['generated_text']
+# Função para gerar informações nutricionais com base na descrição
+def generate_nutritional_info(food_description):
+    try:
+        # Dividir a descrição em palavras-chave
+        keywords = food_description.lower().split(", ")
+        
+        total_calories = 0
+        nutritional_summary = []
+        
+        for keyword in keywords:
+            if keyword in nutritional_database:
+                info = nutritional_database[keyword]
+                total_calories += info["calorias"]
+                nutritional_summary.append(
+                    f"- {keyword.capitalize()}: {info['calorias']} calorias, "
+                    f"{info['proteinas']}g proteínas, {info['carboidratos']}g carboidratos, "
+                    f"{info['gorduras']}g gorduras"
+                )
+        
+        if not nutritional_summary:
+            return "Desculpe, não encontramos informações nutricionais detalhadas para este alimento."
+        
+        summary = "\n".join(nutritional_summary)
+        return f"Informações Nutricionais:\n{summary}\n\nTotal de Calorias: {total_calories} kcal"
+    except Exception as e:
+        return f"Erro ao gerar informações nutricionais: {str(e)}"
 
 # Função principal que combina tudo
-def greet(img, min_len, max_len, language):
+def greet(img, min_len, max_len):
     start = time.time()
     
-    # Passo 1: Gerar legenda para a imagem
-    food_description = caption(img, min_len, max_len)
+    # Passo 1: Gerar legenda para a imagem usando BLIP
+    food_description = generate_caption(img, min_len, max_len)
+    if "Erro" in food_description:
+        return food_description  # Retorna mensagem de erro se houver falha no BLIP
     
-    # Passo 2: Gerar informações nutricionais e calorias com base na legenda
-    nutritional_info = generate_nutritional_info(food_description, language)
+    # Passo 2: Gerar informações nutricionais com base na legenda
+    nutritional_info = generate_nutritional_info(food_description)
     
     end = time.time()
-    total_time = str(end - start)
+    total_time = str(round(end - start, 2))
+    
+    # Marketing agressivo
+    marketing_message = (
+        "🎉 OFERTA EXCLUSIVA! 🎉\n\n"
+        "Inscreva-se AGORA para receber dicas diárias de nutrição e descontos exclusivos em nossos produtos premium!\n\n"
+        "Compartilhe este resultado com seus amigos e ganhe 10% de desconto em nossa loja online.\n\n"
+        "-----------------------------\n\n"
+    )
     
-    # Combinando resultados
-    if language == "Português":
-        result = f"Descrição do Alimento: {food_description}\n\nInformações Nutricionais:\n{nutritional_info}\n\nGerado em {total_time} segundos."
-    else:
-        result = f"Food Description: {food_description}\n\nNutritional Information:\n{nutritional_info}\n\nGenerated in {total_time} seconds."
+    result = (
+        f"{marketing_message}"
+        f"Descrição do Alimento: {food_description}\n\n"
+        f"{nutritional_info}\n\n"
+        f"Gerado em {total_time} segundos."
+    )
     
     return result
 
 # Interface Gradio
-iface = gr.Interface(
-    fn=greet,
-    title='Nutritionist Agent with BLIP and GPT-2',
-    description="Upload an image of food, and the agent will describe it and provide nutritional information.",
-    inputs=[
-        gr.Image(type='filepath', label='Image'),
-        gr.Slider(label='Minimum Length', minimum=1, maximum=1000, value=30),
-        gr.Slider(label='Maximum Length', minimum=1, maximum=1000, value=100),
-        gr.Radio(choices=["Português", "English"], label="Language", value="Português")  # Botão de seleção de idioma
-    ],
-    outputs=gr.Textbox(label='Result'),
-    theme=gr.themes.Base(primary_hue="teal", secondary_hue="teal", neutral_hue="slate"),
-)
+with gr.Blocks(theme=gr.themes.Base(primary_hue="red", secondary_hue="orange", neutral_hue="slate")) as demo:
+    gr.Markdown(
+        """
+        # 🔥 NutriScan Pro 🔥
+        ### Descubra os Segredos Nutricionais dos Seus Alimentos Instantaneamente!
+        
+        🌟 **OFERTA LIMITADA:** Inscreva-se agora e receba acesso exclusivo a dicas diárias de nutrição e descontos especiais em nossos produtos premium!
+
+        📸 **Como Funciona:**
+        1. Faça upload de uma imagem do seu alimento.
+        2. Receba informações detalhadas sobre nutrientes e calorias.
+        3. Compartilhe com amigos e ganhe descontos!
+
+        ⚡ **Apenas 24 Horas de Oferta!** Não perca essa oportunidade única!
+        """
+    )
+    
+    with gr.Row():
+        img_input = gr.Image(type='filepath', label='Upload da Imagem')
+        with gr.Column():
+            min_len = gr.Slider(label='Tamanho Mínimo da Legenda', minimum=1, maximum=1000, value=30)
+            max_len = gr.Slider(label='Tamanho Máximo da Legenda', minimum=1, maximum=1000, value=100)
+    
+    output = gr.Textbox(label='Resultado')
+    
+    submit_button = gr.Button("🔍 Analisar Agora! 🔍", variant="primary")
+    
+    submit_button.click(greet, inputs=[img_input, min_len, max_len], outputs=output)
 
-iface.launch()
+demo.launch()