Robsonfll commited on
Commit
d2807df
·
verified ·
1 Parent(s): a446561

Update src/streamlit_app.py

Browse files
Files changed (1) hide show
  1. src/streamlit_app.py +30 -47
src/streamlit_app.py CHANGED
@@ -20,9 +20,6 @@ client = None
20
  if OPENAI_API_KEY:
21
  client = OpenAI(api_key=OPENAI_API_KEY)
22
 
23
- # Limite de confiança mínima para considerar a predição "segura"
24
- CONFIDENCE_THRESHOLD = 0.70 # 70%
25
-
26
  # ============================================================
27
  # 1. Caminhos dos arquivos (sempre relativos ao próprio arquivo)
28
  # ============================================================
@@ -32,6 +29,9 @@ LABELS_PATH = SRC_DIR / "labels.txt" # .../src/labels.txt
32
  META_PATH = SRC_DIR / "meta.json" # .../src/meta.json
33
  LOGO_PATH = SRC_DIR / "logo.png" # opcional: coloque um logo.png na pasta src
34
 
 
 
 
35
 
36
  # ============================================================
37
  # 2. Funções de carregamento (com cache do Streamlit)
@@ -72,13 +72,11 @@ def load_meta():
72
  try:
73
  with META_PATH.open("r", encoding="utf-8") as f:
74
  data = json.load(f)
75
- # tenta ler do meta.json no formato que usamos no Colab
76
  shape = (
77
  data.get("input_shape")
78
  or data.get("expected_input_shape")
79
  or {}
80
  )
81
- # exemplos: {"height": 224, "width": 224} ou {"1": 1, "2": 224, ...}
82
  if isinstance(shape, dict):
83
  h = shape.get("height") or shape.get("1") or 224
84
  w = shape.get("width") or shape.get("2") or 224
@@ -98,8 +96,7 @@ def preprocess_image(pil_img: Image.Image, target_size):
98
  h, w = target_size
99
  img = pil_img.convert("RGB").resize((w, h))
100
  img_arr = np.array(img).astype("float32") / 255.0
101
- # adiciona dimensão de batch: (1, H, W, 3)
102
- img_arr = np.expand_dims(img_arr, axis=0)
103
  return img_arr
104
 
105
 
@@ -195,10 +192,8 @@ st.markdown("## 1) Envie uma imagem ou tire uma foto")
195
  # ============================================================
196
  # 4.1 Entrada da imagem: CÂMERA + UPLOAD
197
  # ============================================================
198
- # Primeiro tenta câmera
199
  uploaded_file = st.camera_input("Tire uma foto do artefato (opcional)")
200
 
201
- # Se não tiver foto da câmera, permite upload tradicional
202
  if uploaded_file is None:
203
  uploaded_file = st.file_uploader(
204
  "Ou envie uma imagem (JPG ou PNG)",
@@ -214,41 +209,38 @@ if uploaded_file is not None:
214
 
215
  st.markdown("## 2) Resultado da análise")
216
 
 
217
  with st.spinner("Analisando a imagem com o modelo ArqueoIA..."):
218
  probs = run_inference(pil_img)
219
 
220
- # garante array 1D
221
  probs = np.array(probs).flatten()
222
  num_classes = len(probs)
223
  idx_max = int(np.argmax(probs))
224
  conf_max = float(probs[idx_max])
225
 
226
- # Nome da classe mais provável (antes de checar o limiar)
227
  if labels and len(labels) == num_classes:
228
- base_label = labels[idx_max]
229
  else:
230
- base_label = f"classe {idx_max}"
231
 
232
  st.subheader("Resultado principal")
233
 
234
- low_confidence = conf_max < CONFIDENCE_THRESHOLD
235
-
236
- if low_confidence:
237
- # Quando a confiança é baixa, não garantimos que seja um artefato válido
 
238
  st.markdown(
239
- "⚠️ A imagem **não foi reconhecida com segurança** como um artefato "
240
- "arqueológico (osso, cerâmica, moeda ou flecha).\n\n"
241
- f"A classe mais provável foi `{base_label}`, "
242
- f"com aproximadamente `{conf_max * 100:.1f}%` de confiança."
243
  )
244
- pred_label = "desconhecido"
245
  else:
246
- pred_label = base_label
247
- st.markdown(
248
- f"**Classe prevista:** `{pred_label}` \n"
249
- f"**Confiança aproximada:** `{conf_max * 100:.1f}%`"
250
  )
251
- st.success("Análise concluída com sucesso! ✅")
252
 
253
  st.markdown("### Detalhamento das classes")
254
  for i in range(num_classes):
@@ -258,11 +250,12 @@ if uploaded_file is not None:
258
  name = f"classe {i}"
259
  st.write(f"- **{name}**: {probs[i] * 100:.1f}%")
260
 
261
- if low_confidence:
262
- st.info(
263
- "Tente tirar outra foto com melhor iluminação e foco, "
264
- "ou reposicionar o artefato para facilitar a identificação."
265
- )
 
266
 
267
  # ====================================================
268
  # 5. Consultar especialista online (Chat com OpenAI)
@@ -281,20 +274,11 @@ if uploaded_file is not None:
281
  "contextos históricos ou curiosidades. A resposta é gerada por IA."
282
  )
283
 
284
- # Texto sugerido muda se a confiança for baixa
285
- if low_confidence or pred_label == "desconhecido":
286
- pergunta_default = (
287
- "A imagem não foi reconhecida com segurança como um artefato "
288
- "arqueológico. Explique quais características visuais costumam "
289
- "aparecer em ossos, cerâmica, moedas e flechas em contextos "
290
- "arqueológicos, em uma linguagem adequada para estudantes."
291
- )
292
- else:
293
- pergunta_default = (
294
- f"A imagem foi classificada como '{pred_label}' com confiança de "
295
- f"{conf_max*100:.1f}%. Explique o que esse tipo de artefato costuma "
296
- "representar em contextos arqueológicos."
297
- )
298
 
299
  pergunta = st.text_area(
300
  "Digite sua pergunta para o especialista:",
@@ -347,4 +331,3 @@ st.markdown(
347
  "</p>",
348
  unsafe_allow_html=True,
349
  )
350
-
 
20
  if OPENAI_API_KEY:
21
  client = OpenAI(api_key=OPENAI_API_KEY)
22
 
 
 
 
23
  # ============================================================
24
  # 1. Caminhos dos arquivos (sempre relativos ao próprio arquivo)
25
  # ============================================================
 
29
  META_PATH = SRC_DIR / "meta.json" # .../src/meta.json
30
  LOGO_PATH = SRC_DIR / "logo.png" # opcional: coloque um logo.png na pasta src
31
 
32
+ # limiar de confiança para considerar a previsão "segura"
33
+ CONF_THRESHOLD = 0.40 # 40%
34
+
35
 
36
  # ============================================================
37
  # 2. Funções de carregamento (com cache do Streamlit)
 
72
  try:
73
  with META_PATH.open("r", encoding="utf-8") as f:
74
  data = json.load(f)
 
75
  shape = (
76
  data.get("input_shape")
77
  or data.get("expected_input_shape")
78
  or {}
79
  )
 
80
  if isinstance(shape, dict):
81
  h = shape.get("height") or shape.get("1") or 224
82
  w = shape.get("width") or shape.get("2") or 224
 
96
  h, w = target_size
97
  img = pil_img.convert("RGB").resize((w, h))
98
  img_arr = np.array(img).astype("float32") / 255.0
99
+ img_arr = np.expand_dims(img_arr, axis=0) # (1, H, W, 3)
 
100
  return img_arr
101
 
102
 
 
192
  # ============================================================
193
  # 4.1 Entrada da imagem: CÂMERA + UPLOAD
194
  # ============================================================
 
195
  uploaded_file = st.camera_input("Tire uma foto do artefato (opcional)")
196
 
 
197
  if uploaded_file is None:
198
  uploaded_file = st.file_uploader(
199
  "Ou envie uma imagem (JPG ou PNG)",
 
209
 
210
  st.markdown("## 2) Resultado da análise")
211
 
212
+ # ------------------ INFERÊNCIA ------------------------
213
  with st.spinner("Analisando a imagem com o modelo ArqueoIA..."):
214
  probs = run_inference(pil_img)
215
 
 
216
  probs = np.array(probs).flatten()
217
  num_classes = len(probs)
218
  idx_max = int(np.argmax(probs))
219
  conf_max = float(probs[idx_max])
220
 
 
221
  if labels and len(labels) == num_classes:
222
+ pred_label = labels[idx_max]
223
  else:
224
+ pred_label = f"classe {idx_max}"
225
 
226
  st.subheader("Resultado principal")
227
 
228
+ # Lógica de confiança
229
+ if conf_max < CONF_THRESHOLD:
230
+ st.warning(
231
+ "⚠️ O modelo ainda está **pouco confiante** na identificação desta imagem."
232
+ )
233
  st.markdown(
234
+ f"A classe mais provável no momento é **{pred_label}**, "
235
+ f"com aproximadamente **{conf_max*100:.1f}%** de confiança. "
236
+ "Use esse resultado apenas como uma sugestão inicial e, se possível, "
237
+ "consulte um especialista humano."
238
  )
 
239
  else:
240
+ st.success(
241
+ f"A imagem foi classificada como **{pred_label}** "
242
+ f"com aproximadamente **{conf_max*100:.1f}%** de confiança."
 
243
  )
 
244
 
245
  st.markdown("### Detalhamento das classes")
246
  for i in range(num_classes):
 
250
  name = f"classe {i}"
251
  st.write(f"- **{name}**: {probs[i] * 100:.1f}%")
252
 
253
+ st.info(
254
+ "Tente tirar outra foto com boa iluminação e foco, ou reposicionar o artefato "
255
+ "para facilitar a identificação."
256
+ )
257
+
258
+ st.success("Análise concluída com sucesso! ✅")
259
 
260
  # ====================================================
261
  # 5. Consultar especialista online (Chat com OpenAI)
 
274
  "contextos históricos ou curiosidades. A resposta é gerada por IA."
275
  )
276
 
277
+ pergunta_default = (
278
+ f"A imagem foi classificada como '{pred_label}' com confiança de "
279
+ f"{conf_max*100:.1f}%. Explique o que esse tipo de artefato costuma "
280
+ "representar em contextos arqueológicos."
281
+ )
 
 
 
 
 
 
 
 
 
282
 
283
  pergunta = st.text_area(
284
  "Digite sua pergunta para o especialista:",
 
331
  "</p>",
332
  unsafe_allow_html=True,
333
  )