Create main.py

main.py

@@ -0,0 +1,234 @@
+import torch
+from fastapi import FastAPI, File, UploadFile
+from fastapi.responses import HTMLResponse
+from transformers import EfficientNetImageProcessor, EfficientNetForImageClassification
+from PIL import Image
+import io
+import sqlite3
+import os
+
+app = FastAPI()
+
+# Load the EfficientNet-B0 model
+model_name = "google/efficientnet-b0"
+feature_extractor = EfficientNetImageProcessor.from_pretrained(model_name)
+model = EfficientNetForImageClassification.from_pretrained(model_name)
+
+# Mapping EfficientNet-B0 ImageNet labels to Bengali fruit names
+fruit_mapping = {
+    "Granny Smith": "আপেল",
+    "banana": "কলা",
+    "orange": "কমলা",
+    "strawberry": "স্ট্রবেরি",
+    "pomegranate": "ডালিম",
+    "lemon": "লেবু",
+    "pineapple": "আনারস",
+    "jackfruit": "কাঠাল"
+}
+
+# Health benefits and recommended intake
+benefits_mapping = {
+    "আপেল": {
+        "intake": "১টি মাঝারি আপেল (১৫০ গ্রাম)",
+        "diabetic": "১/২টি",
+        "benefits": [
+            "হজম সমস্যা: কোষ্ঠকাঠিন্য ও IBS উপশম করে",
+            "ডায়াবেটিস নিয়ন্ত্রণ: রক্তে শর্করার মাত্রা স্থিতিশীল রাখে",
+            "হার্ট ডিজিজ: LDL কোলেস্টেরল ১০-১৫% কমায়",
+            "ওজন নিয়ন্ত্রণ: মেটাবলিক সিন্ড্রোম রোধ করে"
+        ]
+    },
+    "কলা": {
+        "intake": "১-২টি মাঝারি কলা (১০০-১৫০ গ্রাম)",
+        "diabetic": "১টি",
+        "benefits": [
+            "উচ্চ রক্তচাপ: দিনে ২টি কলা স্ট্রোকের ঝুঁকি ২১% কমায়",
+            "ডিপ্রেশন: সেরোটোনিন উৎপাদন বাড়িয়ে মুড উন্নত করে",
+            "হজম সমস্যা: আলসার ও গ্যাস্ট্রাইটিসে উপকারী",
+            "ক্রীড়াবিদদের জন্য: মাসল ক্র্যাম্প প্রতিরোধ করে"
+        ]
+    },
+    "কমলা": {
+        "intake": "১টি বড় কমলা বা ১ গ্লাস জুস",
+        "diabetic": "১/২টি",
+        "benefits": [
+            "ইমিউনিটি: সাধারণ সর্দি-কাশির স্থায়িত্ব ২৩% কমায়",
+            "কিডনি স্টোন: সাইট্রেট স্টোন গলাতে সাহায্য করে",
+            "রক্তাল্পতা: আয়রন শোষণ ৬৭% বাড়ায়",
+            "ত্বকের ক্যান্সার: UV রশ্মির ক্ষতি থেকে রক্ষা করে"
+        ]
+    },
+    "স্ট্রবেরি": {
+        "intake": "৫-৬টি স্ট্রবেরি (১০০ গ্রাম)",
+        "diabetic": "১-২টি",
+        "benefits": [
+            "ক্যান্সার: টিউমার বৃদ্ধি ৫০% ধীর করে",
+            "গর্ভাবস্থা: নিউরাল টিউব ডিফেক্ট প্রতিরোধ করে",
+            "আর্থ্রাইটিস: জয়েন্টের ব্যথা ৩০% কমায়",
+            "চোখের ছানি: অক্সিডেটিভ স্ট্রেস কমায়"
+        ]
+    },
+    "ডালিম": {
+        "intake": "১টি মাঝারি ডালিম (১৫০ গ্রাম) বা ১/২ কাপ দানা",
+        "diabetic": "১/৪ কাপ দানা",
+        "benefits": [
+            "হৃদরোগ প্রতিরোধ: রক্তচাপ কমায়, ধমনীর স্থিতিস্থাপকতা বাড়ায়",
+            "রক্তস্বল্পতা দূর করে: আয়রন ও ভিটামিন সি হিমোগ্লোবিন বৃদ্ধি করে",
+            "ক্যান্সার প্রতিরোধ: প্রোস্টেট ও ব্রেস্ট ক্যান্সার",
+            "গাঁটের ব্যথা কমায়: Arthritis উপশম করে",
+            "মস্তিষ্কের স্বাস্থ্য: আলঝেইমার্স রোগের ঝুঁকি কমায়"
+        ]
+    },
+    "লেবু": {
+        "intake": "১টি মাঝারি লেবু বা ১/২ গ্লাস জুস",
+        "diabetic": "১/৪টি",
+        "benefits": [
+            "ইমিউনিটি: ভিটামিন সি দিয়ে ���োগ প্রতিরোধ ক্ষমতা বাড়ায়",
+            "হজম: অ্যাসিডিটি ও বদহজম কমায়",
+            "ত্বকের যত্ন: অ্যান্টিঅক্সিডেন্ট দিয়ে ত্বক উজ্জ্বল করে",
+            "ওজন কমানো: মেটাবলিজম বাড়াতে সাহায্য করে"
+        ]
+    },
+    "আনারস": {
+        "intake": "১ কাপ কাটা আনারস (১৫০ গ্রাম)",
+        "diabetic": "১/২ কাপ",
+        "benefits": [
+            "হজম: ব্রোমেলিন এনজাইম দিয়ে প্রোটিন ভাঙতে সাহায্য করে",
+            "প্রদাহ কমায়: আর্থ্রাইটিস ও পেশির ব্যথা উপশম করে",
+            "ইমিউনিটি: ভিটামিন সি দিয়ে সংক্রমণ প্রতিরোধ করে",
+            "দাঁতের স্বাস্থ্য: মাড়ির প্রদাহ কমায়"
+        ]
+    },
+    "কাঠাল": {
+        "intake": "১ কাপ কাটা কাঠাল (১৫০ গ্রাম)",
+        "diabetic": "কম পরিমাণে",
+        "benefits": [
+            "শক্তি: উচ্চ কার্বোহাইড্রেট দিয়ে শক্তি বাড়ায়",
+            "ইমিউনিটি: ভিটামিন এ ও সি দিয়ে রোগ প্রতিরোধ করে",
+            "হৃদরোগ: পটাশিয়াম দিয়ে রক্তচাপ নিয়ন্ত্রণ করে",
+            "কোষ্ঠকাঠিন্য: ফাইবার দিয়ে হজমশক্তি বাড়ায়"
+        ]
+    }
+}
+
+# SQLite database initialization for nutrition
+def init_db():
+    conn = sqlite3.connect("fruit_nutrition.db")
+    c = conn.cursor()
+    c.execute('''CREATE TABLE IF NOT EXISTS fruits (
+                    id INTEGER PRIMARY KEY AUTOINCREMENT,
+                    name TEXT UNIQUE,
+                    vitamin TEXT,
+                    mineral TEXT,
+                    carbohydrate TEXT,
+                    protein TEXT,
+                    amino_acid TEXT)''')
+    fruits_data = [
+        ("আপেল", "ভিটামিন সি, ভিটামিন এ", "পটাশিয়াম, ম্যাগনেসিয়াম", "১৪ গ্রাম", "০.৩ গ্রাম", "নেই"),
+        ("কলা", "ভিটামিন বি৬, ভিটামিন সি", "পটাশিয়াম", "২৭ গ্রাম", "১.১ গ্রাম", "ট্রিপটোফ্যান"),
+        ("কমলা", "ভিটামিন সি", "ক্যালসিয়াম, পটাশিয়াম", "১২ গ্রাম", "০.৯ গ্রাম", "নেই"),
+        ("স্ট্রবেরি", "ভিটামিন সি, ভিটামিন কে", "ম্যাঙ্গানিজ, ফোলেট", "৮ গ্রাম", "০.৭ গ্রাম", "নেই"),
+        ("ডালিম", "ভিটামিন সি", "আয়রন, ক্যালসিয়াম", "১৯ গ্রাম", "১.৭ গ্রাম", "নেই"),
+        ("লেবু", "ভিটামিন সি", "পটাশিয়াম, ম্যাগনেসিয়াম", "৯ গ্রাম", "১.১ গ্রাম", "নেই"),
+        ("আনারস", "ভিটামিন সি, ভিটামিন বি৬", "ম্যাঙ্গানিজ, পটাশিয়াম", "২২ গ্রাম", "০.৫ গ্রাম", "নেই"),
+        ("কাঠাল", "ভিটামিন এ, ভিটামিন সি", "পটাশিয়াম, ম্যাগনেসিয়াম", "৩৮ গ্রাম", "১.৭ গ্রাম", "নেই")
+    ]
+    c.executemany("INSERT OR IGNORE INTO fruits (name, vitamin, mineral, carbohydrate, protein, amino_acid) VALUES (?, ?, ?, ?, ?, ?)", fruits_data)
+    conn.commit()
+    conn.close()
+
+# New database for diabetic-specific information
+def init_diabetes_db():
+    conn = sqlite3.connect("fruit_diabetes.db")
+    c = conn.cursor()
+    c.execute('''CREATE TABLE IF NOT EXISTS diabetes_info (
+                    id INTEGER PRIMARY KEY AUTOINCREMENT,
+                    fruit_name TEXT UNIQUE,
+                    glycemic_index TEXT,
+                    portion_size TEXT,
+                    best_time TEXT,
+                    precautions TEXT)''')
+    
+    diabetes_data = [
+        ("আপেল", "নিম্ন (৩৮)", "১/২টি মাঝারি", "সকাল বা দুপুর", "অতিরিক্ত খাবেন না"),
+        ("কলা", "মাঝারি (৫১)", "১টি ছোট", "সকালে", "���াকা কলা এড়িয়ে চলুন"),
+        ("কমলা", "নিম্ন (৪৩)", "১/২টি", "দুপুরে", "জুস এড়িয়ে ফল খান"),
+        ("স্ট্রবেরি", "নিম্ন (৪০)", "১-২টি", "যেকোনো সময়", "পরিমিত খান"),
+        ("ডালিম", "নিম্ন (৫৩)", "১/৪ কাপ দানা", "সকালে", "বীজ সহ খান"),
+        ("লেবু", "খুব নিম্ন (২০)", "১/৪টি", "যেকোনো সময়", "চিনি ছাড়া ব্যবহার করুন"),
+        ("আনারস", "মাঝারি (৫৯)", "১/২ কাপ", "সকালে", "পরিমিত খান"),
+        ("কাঠাল", "মাঝারি (৫৭)", "২-৩টি কোয়া", "দুপুরে", "অতিরিক্ত এড়িয়ে চলুন")
+    ]
+    
+    c.executemany("INSERT OR IGNORE INTO diabetes_info (fruit_name, glycemic_index, portion_size, best_time, precautions) VALUES (?, ?, ?, ?, ?)", diabetes_data)
+    conn.commit()
+    conn.close()
+
+# Initialize both databases
+init_db()
+init_diabetes_db()
+
+# Serve the HTML file
+@app.get("/", response_class=HTMLResponse)
+async def home():
+    with open("index.html", "r", encoding="utf-8") as f:
+        return f.read()
+
+# Prediction endpoint
+@app.post("/predict")
+async def predict(file: UploadFile = File(...)):
+    image = Image.open(io.BytesIO(await file.read())).convert("RGB")
+    inputs = feature_extractor(images=image, return_tensors="pt")
+    with torch.no_grad():
+        outputs = model(**inputs)
+    predicted_class_idx = outputs.logits.argmax(-1).item()
+    predicted_label = model.config.id2label[predicted_class_idx].split(",")[0].strip()
+    bengali_fruit = fruit_mapping.get(predicted_label, predicted_label)
+
+    # Fetch nutrition from database
+    conn = sqlite3.connect("fruit_nutrition.db")
+    c = conn.cursor()
+    c.execute("SELECT vitamin, mineral, carbohydrate, protein, amino_acid FROM fruits WHERE name = ?", (bengali_fruit,))
+    nutrition = c.fetchone()
+    conn.close()
+    if not nutrition:
+        nutrition = ("অজানা", "অজানা", "অজানা", "অজানা", "অজানা")
+
+    # Fetch health benefits
+    benefits_info = benefits_mapping.get(bengali_fruit, {
+        "intake": "অজানা",
+        "diabetic": "অজানা",
+        "benefits": ["তথ্য নেই"]
+    })
+
+    # Fetch diabetes info
+    conn = sqlite3.connect("fruit_diabetes.db")
+    c = conn.cursor()
+    c.execute("SELECT glycemic_index, portion_size, best_time, precautions FROM diabetes_info WHERE fruit_name = ?", (bengali_fruit,))
+    diabetes_info = c.fetchone()
+    conn.close()
+    if not diabetes_info:
+        diabetes_info = ("অজানা", "অজানা", "অজানা", "অজানা")
+
+    return {
+        "filename": file.filename,
+        "predicted_class": bengali_fruit,
+        "nutrition": {
+            "vitamin": nutrition[0],
+            "mineral": nutrition[1],
+            "carbohydrate": nutrition[2],
+            "protein": nutrition[3],
+            "amino_acid": nutrition[4]
+        },
+        "health": {
+            "intake": benefits_info["intake"],
+            "diabetic": benefits_info["diabetic"],
+            "benefits": benefits_info["benefits"]
+        },
+        "diabetes": {
+            "glycemic_index": diabetes_info[0],
+            "portion_size": diabetes_info[1],
+            "best_time": diabetes_info[2],
+            "precautions": diabetes_info[3]
+        }
+    }