Robsonfll commited on
Commit
d50d394
·
verified ·
1 Parent(s): 2fe5a52

Update src/streamlit_app.py

Browse files
Files changed (1) hide show
  1. src/streamlit_app.py +127 -172
src/streamlit_app.py CHANGED
@@ -1,37 +1,37 @@
1
  # src/streamlit_app.py
2
 
3
- import json
4
  import os
 
5
  from pathlib import Path
6
 
7
- from openai import OpenAI
8
-
9
  import numpy as np
10
  from PIL import Image
11
  import streamlit as st
12
  import tensorflow as tf
13
 
14
- # =====================================================================
15
- # 0. OpenAI client (para "Consultar especialista online")
16
- # =====================================================================
17
- # Lê a chave da OpenAI que está nos "Repository secrets"
18
- OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY") # verifique se o nome do secret é esse
 
 
19
  client = OpenAI(api_key=OPENAI_API_KEY) if OPENAI_API_KEY else None
20
 
21
 
22
- # =====================================================================
23
- # 1. Caminhos dos arquivos (sempre relativos ao próprio arquivo)
24
- # =====================================================================
25
  SRC_DIR = Path(__file__).parent # .../src
26
  MODEL_PATH = SRC_DIR / "model.tflite" # .../src/model.tflite
27
  LABELS_PATH = SRC_DIR / "labels.txt" # .../src/labels.txt
28
  META_PATH = SRC_DIR / "meta.json" # .../src/meta.json
29
- LOGO_PATH = SRC_DIR / "logo.png" # .../src/logo.png (opcional)
30
 
31
 
32
- # =====================================================================
33
  # 2. Funções de carregamento (com cache do Streamlit)
34
- # =====================================================================
35
  @st.cache_resource
36
  def load_interpreter():
37
  """Carrega o modelo TFLite e retorna o interpretador + detalhes."""
@@ -59,7 +59,10 @@ def load_labels():
59
 
60
  @st.cache_data
61
  def load_meta():
62
- """Lê meta.json, se existir. Caso contrário, usa padrão 224x224."""
 
 
 
63
  meta = {
64
  "input_height": 224,
65
  "input_width": 224,
@@ -76,14 +79,14 @@ def load_meta():
76
  meta["input_height"] = int(h)
77
  meta["input_width"] = int(w)
78
  except Exception:
79
- # se der qualquer erro, segue com o padrão 224x224
80
  pass
81
  return meta
82
 
83
 
84
- # =====================================================================
85
  # 3. Pré-processamento e inferência
86
- # =====================================================================
87
  def preprocess_image(pil_img: Image.Image, target_size):
88
  """Redimensiona e normaliza a imagem para o modelo."""
89
  h, w = target_size
@@ -115,7 +118,7 @@ def run_inference(pil_img: Image.Image):
115
  output_index = output_details[0]["index"]
116
  output_data = interpreter.get_tensor(output_index)[0] # (num_classes,)
117
 
118
- # normaliza se não for softmax
119
  if output_data.ndim == 1:
120
  exp = np.exp(output_data - np.max(output_data))
121
  probs = exp / np.sum(exp)
@@ -125,123 +128,53 @@ def run_inference(pil_img: Image.Image):
125
  return probs
126
 
127
 
128
- # =====================================================================
129
- # 4. Função para consultar o "especialista online"
130
- # =====================================================================
131
- def consultar_especialista(pred_label, probs_dict, user_question):
132
- """
133
- Usa o modelo de linguagem para explicar o resultado
134
- e responder a pergunta do usuário.
135
- """
136
- if client is None or not OPENAI_API_KEY:
137
- return (
138
- "A consulta online está desativada neste Space. "
139
- "Verifique se o secret OPENAI_API_KEY foi configurado corretamente."
140
- )
141
-
142
- # Monte um contexto simples com o resultado do modelo
143
- resumo_prob = "\n".join(
144
- f"- {nome}: {p * 100:.1f}%"
145
- for nome, p in probs_dict.items()
146
- )
147
-
148
- system_prompt = (
149
- "Você é um arqueólogo experiente ajudando professores e estudantes. "
150
- "Explique de forma simples, com foco educativo, sem inventar informações."
151
- )
152
-
153
- user_prompt = f"""
154
- Resultado de um classificador de imagens arqueológicas:
155
-
156
- Classe prevista principal: {pred_label}
157
- Confiâncias aproximadas:
158
- {resumo_prob}
159
-
160
- Pergunta do usuário:
161
- {user_question}
162
- """
163
-
164
- try:
165
- response = client.responses.create(
166
- model="gpt-4.1-mini",
167
- input=[
168
- {"role": "system", "content": system_prompt},
169
- {"role": "user", "content": user_prompt},
170
- ],
171
- )
172
- # Resposta de texto
173
- answer = response.output[0].content[0].text
174
- return answer
175
- except Exception as e:
176
- return f"Ocorreu um erro ao consultar o especialista online: {e}"
177
-
178
-
179
- # =====================================================================
180
- # 5. Interface Streamlit (layout e visual)
181
- # =====================================================================
182
  st.set_page_config(
183
  page_title="ArqueoIA",
184
  page_icon="🗿",
185
  layout="centered",
186
  )
187
 
188
- # CSS para deixar o layout mais bonito / centralizado
189
  st.markdown(
190
  """
191
  <style>
192
- /* Fundo mais suave */
193
- .stApp {
194
- background: radial-gradient(circle at top left, #f5f5ff 0, #ffffff 55%);
195
- }
196
- /* Título centralizado */
197
- .arqueo-title {
198
  text-align: center;
199
- font-size: 2.6rem;
200
  font-weight: 800;
201
  margin-bottom: 0.2rem;
202
  }
203
- .arqueo-subtitle {
204
  text-align: center;
205
- font-size: 1.0rem;
206
  color: #555;
207
- max-width: 780px;
208
- margin: 0 auto 1.5rem auto;
209
- }
210
- /* Card branco */
211
- .card {
212
- background-color: #ffffff;
213
- border-radius: 18px;
214
- padding: 1.5rem 1.8rem;
215
- box-shadow: 0 8px 24px rgba(15, 23, 42, 0.08);
216
  margin-bottom: 1.5rem;
217
  }
218
- .section-title {
219
- font-size: 1.2rem;
220
- font-weight: 700;
221
- margin-bottom: 0.75rem;
222
  }
223
  </style>
224
  """,
225
  unsafe_allow_html=True,
226
  )
227
 
228
- # ------------------------ Cabeçalho ------------------------
229
- logo_col, title_col, _ = st.columns([1, 3, 1])
230
-
231
- with logo_col:
232
- if LOGO_PATH.exists():
233
- st.image(str(LOGO_PATH), use_container_width=True)
234
-
235
- with title_col:
236
- st.markdown('<div class="arqueo-title">ArqueoIA 🗿</div>', unsafe_allow_html=True)
237
 
 
 
238
  st.markdown(
239
- """
240
- <div class="arqueo-subtitle">
241
- Sistema de IA para <b>identificar e classificar artefatos arqueológicos</b>
242
- (osso, cerâmica, moeda, flecha).
243
- </div>
244
- """,
245
  unsafe_allow_html=True,
246
  )
247
 
@@ -256,18 +189,15 @@ else:
256
  "Os nomes das classes serão mostrados como índices (0, 1, 2, ...)."
257
  )
258
 
259
- # ------------------------ Upload de imagem ------------------------
260
- st.markdown('<div class="card">', unsafe_allow_html=True)
261
-
262
- st.markdown('<div class="section-title">1) Envie uma imagem (JPG ou PNG)</div>',
263
- unsafe_allow_html=True)
264
-
265
  uploaded_file = st.file_uploader(
266
- "Arraste ou selecione uma imagem:",
267
  type=["jpg", "jpeg", "png"],
268
- label_visibility="collapsed",
269
  )
270
 
 
 
 
 
271
  if uploaded_file is not None:
272
  try:
273
  pil_img = Image.open(uploaded_file)
@@ -275,9 +205,10 @@ if uploaded_file is not None:
275
  st.image(pil_img, caption="Imagem enviada", use_container_width=True)
276
  st.write("")
277
 
278
- with st.spinner("2) Analisando a imagem com o modelo ArqueoIA..."):
279
  probs = run_inference(pil_img)
280
 
 
281
  probs = np.array(probs).flatten()
282
  num_classes = len(probs)
283
  idx_max = int(np.argmax(probs))
@@ -288,74 +219,98 @@ if uploaded_file is not None:
288
  else:
289
  pred_label = f"classe {idx_max}"
290
 
291
- # Monta dicionário {nome: probabilidade}
292
- class_probs = {}
293
- for i in range(num_classes):
294
- if labels and i < len(labels):
295
- name = labels[i]
296
- else:
297
- name = f"classe {i}"
298
- class_probs[name] = float(probs[i])
299
-
300
- # ---------------- Resultado principal ----------------
301
- st.markdown('</div>', unsafe_allow_html=True) # fecha card de upload
302
- st.markdown('<div class="card">', unsafe_allow_html=True)
303
-
304
- st.markdown('<div class="section-title">3) Resultado principal</div>',
305
- unsafe_allow_html=True)
306
-
307
  st.markdown(
308
  f"**Classe prevista:** `{pred_label}` \n"
309
- f"**Confiança aproximada:** `{conf_max * 100:.1f}%`",
310
  )
311
 
312
  st.markdown("### Detalhamento das classes")
313
-
314
- # Barras de progresso para cada classe
315
- for name, p in class_probs.items():
316
- st.write(f"**{name}** — {p * 100:.1f}%")
317
- st.progress(min(max(p, 0.0), 1.0))
 
318
 
319
  st.success("Análise concluída com sucesso! ✅")
320
 
321
- st.markdown('</div>', unsafe_allow_html=True) # fecha card de resultado
322
-
323
- # ---------------- Consultar especialista online ----------------
324
- st.markdown('<div class="card">', unsafe_allow_html=True)
325
- st.markdown(
326
- '<div class="section-title">4) Consultar especialista online</div>',
327
- unsafe_allow_html=True,
328
- )
329
-
330
- if client is None:
331
- st.info(
332
- "⚠️ A consulta online está desativada: "
333
- "secret `OPENAI_API_KEY` não encontrado neste Space."
334
- )
335
- else:
336
- default_question = (
337
- f"Explique, em linguagem simples, como identificar um artefato do tipo "
338
- f"'{pred_label}' e quais cuidados tomar ao manuseá-lo em campo."
339
  )
340
 
341
  user_question = st.text_area(
342
- "Escreva sua pergunta para o especialista:",
343
- value=default_question,
344
- height=120,
345
  )
346
 
347
- if st.button("Consultar especialista agora 🧠"):
348
- with st.spinner("Consultando o especialista online..."):
349
- answer = consultar_especialista(pred_label, class_probs, user_question)
350
- st.markdown("---")
351
- st.markdown("**Resposta do especialista:**")
352
- st.markdown(answer)
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
353
 
354
- st.markdown('</div>', unsafe_allow_html=True) # fecha card de consulta
 
 
 
 
355
 
356
  except Exception as e:
357
- st.markdown('</div>', unsafe_allow_html=True) # garante fechamento do card
358
  st.error(f"Ocorreu um erro ao processar a imagem: {e}")
 
359
  else:
360
- st.markdown('</div>', unsafe_allow_html=True) # fecha card de upload
361
  st.info("Envie uma imagem para iniciar a análise.")
 
1
  # src/streamlit_app.py
2
 
 
3
  import os
4
+ import json
5
  from pathlib import Path
6
 
 
 
7
  import numpy as np
8
  from PIL import Image
9
  import streamlit as st
10
  import tensorflow as tf
11
 
12
+ from openai import OpenAI
13
+
14
+
15
+ # ============================================================
16
+ # 0. OpenAI – lê chave dos Secrets do Hugging Face
17
+ # ============================================================
18
+ OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY")
19
  client = OpenAI(api_key=OPENAI_API_KEY) if OPENAI_API_KEY else None
20
 
21
 
22
+ # ============================================================
23
+ # 1. Caminhos dos arquivos (relativos ao próprio arquivo)
24
+ # ============================================================
25
  SRC_DIR = Path(__file__).parent # .../src
26
  MODEL_PATH = SRC_DIR / "model.tflite" # .../src/model.tflite
27
  LABELS_PATH = SRC_DIR / "labels.txt" # .../src/labels.txt
28
  META_PATH = SRC_DIR / "meta.json" # .../src/meta.json
29
+ LOGO_PATH = SRC_DIR / "logo.png" # opcional: logo da equipe
30
 
31
 
32
+ # ============================================================
33
  # 2. Funções de carregamento (com cache do Streamlit)
34
+ # ============================================================
35
  @st.cache_resource
36
  def load_interpreter():
37
  """Carrega o modelo TFLite e retorna o interpretador + detalhes."""
 
59
 
60
  @st.cache_data
61
  def load_meta():
62
+ """
63
+ Lê meta.json, se existir. Caso contrário, usa padrão 224x224.
64
+ No Colab salvamos algo como {"input_shape": {"height": 224, "width": 224}}
65
+ """
66
  meta = {
67
  "input_height": 224,
68
  "input_width": 224,
 
79
  meta["input_height"] = int(h)
80
  meta["input_width"] = int(w)
81
  except Exception:
82
+ # Se der qualquer erro, segue com o padrão 224x224
83
  pass
84
  return meta
85
 
86
 
87
+ # ============================================================
88
  # 3. Pré-processamento e inferência
89
+ # ============================================================
90
  def preprocess_image(pil_img: Image.Image, target_size):
91
  """Redimensiona e normaliza a imagem para o modelo."""
92
  h, w = target_size
 
118
  output_index = output_details[0]["index"]
119
  output_data = interpreter.get_tensor(output_index)[0] # (num_classes,)
120
 
121
+ # Normaliza se não for softmax
122
  if output_data.ndim == 1:
123
  exp = np.exp(output_data - np.max(output_data))
124
  probs = exp / np.sum(exp)
 
128
  return probs
129
 
130
 
131
+ # ============================================================
132
+ # 4. Layout / Interface Streamlit
133
+ # ============================================================
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
134
  st.set_page_config(
135
  page_title="ArqueoIA",
136
  page_icon="🗿",
137
  layout="centered",
138
  )
139
 
140
+ # ---- CSS simples para centralizar título e deixar mais bonito
141
  st.markdown(
142
  """
143
  <style>
144
+ .main-title {
 
 
 
 
 
145
  text-align: center;
146
+ font-size: 3rem;
147
  font-weight: 800;
148
  margin-bottom: 0.2rem;
149
  }
150
+ .subtitle {
151
  text-align: center;
152
+ font-size: 1.05rem;
153
  color: #555;
 
 
 
 
 
 
 
 
 
154
  margin-bottom: 1.5rem;
155
  }
156
+ .stButton>button {
157
+ border-radius: 999px;
158
+ padding: 0.4rem 1.4rem;
159
+ font-weight: 600;
160
  }
161
  </style>
162
  """,
163
  unsafe_allow_html=True,
164
  )
165
 
166
+ # ---- Logo da equipe (opcional)
167
+ if LOGO_PATH.exists():
168
+ col_logo_1, col_logo_2, col_logo_3 = st.columns([1, 2, 1])
169
+ with col_logo_2:
170
+ st.image(str(LOGO_PATH), width=140)
 
 
 
 
171
 
172
+ # ---- Título + subtítulo centralizados
173
+ st.markdown('<h1 class="main-title">ArqueoIA 🗿</h1>', unsafe_allow_html=True)
174
  st.markdown(
175
+ '<p class="subtitle">Sistema de IA para '
176
+ 'identificar e classificar artefatos arqueológicos '
177
+ '(osso, cerâmica, moeda, flecha).</p>',
 
 
 
178
  unsafe_allow_html=True,
179
  )
180
 
 
189
  "Os nomes das classes serão mostrados como índices (0, 1, 2, ...)."
190
  )
191
 
 
 
 
 
 
 
192
  uploaded_file = st.file_uploader(
193
+ "Envie uma imagem (JPG ou PNG)",
194
  type=["jpg", "jpeg", "png"],
 
195
  )
196
 
197
+ # Variáveis para contexto do chat
198
+ pred_label = None
199
+ probs = None
200
+
201
  if uploaded_file is not None:
202
  try:
203
  pil_img = Image.open(uploaded_file)
 
205
  st.image(pil_img, caption="Imagem enviada", use_container_width=True)
206
  st.write("")
207
 
208
+ with st.spinner("Analisando a imagem com o modelo ArqueoIA..."):
209
  probs = run_inference(pil_img)
210
 
211
+ # garante array 1D
212
  probs = np.array(probs).flatten()
213
  num_classes = len(probs)
214
  idx_max = int(np.argmax(probs))
 
219
  else:
220
  pred_label = f"classe {idx_max}"
221
 
222
+ st.subheader("Resultado principal")
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
223
  st.markdown(
224
  f"**Classe prevista:** `{pred_label}` \n"
225
+ f"**Confiança aproximada:** `{conf_max * 100:.1f}%`"
226
  )
227
 
228
  st.markdown("### Detalhamento das classes")
229
+ for i in range(num_classes):
230
+ if labels and i < len(labels):
231
+ name = labels[i]
232
+ else:
233
+ name = f"classe {i}"
234
+ st.write(f"- **{name}**: {probs[i] * 100:.1f}%")
235
 
236
  st.success("Análise concluída com sucesso! ✅")
237
 
238
+ # ========================================================
239
+ # 5. Consultar especialista online (OpenAI)
240
+ # ========================================================
241
+ st.markdown("---")
242
+ st.markdown("### 4) Consultar especialista online")
243
+
244
+ if OPENAI_API_KEY and client is not None:
245
+ st.write(
246
+ "Envie uma pergunta sobre o resultado, sobre arqueologia "
247
+ "ou sobre o funcionamento do ArqueoIA. "
248
+ "Um especialista virtual responderá com base no contexto."
 
 
 
 
 
 
 
249
  )
250
 
251
  user_question = st.text_area(
252
+ "Pergunta para o especialista",
253
+ placeholder="Ex.: Essa classificação faz sentido? Como esse tipo de artefato era utilizado?",
 
254
  )
255
 
256
+ if st.button("Enviar pergunta ao especialista"):
257
+ if not user_question.strip():
258
+ st.warning("Por favor, escreva uma pergunta antes de enviar.")
259
+ else:
260
+ with st.spinner("Consultando especialista online..."):
261
+ # Contexto que será enviado ao modelo da OpenAI
262
+ context_parts = []
263
+
264
+ if pred_label is not None:
265
+ context_parts.append(
266
+ f"Classe prevista pelo modelo ArqueoIA: {pred_label}"
267
+ )
268
+
269
+ if probs is not None and labels and len(labels) == len(probs):
270
+ ranking = [
271
+ f"{labels[i]}: {probs[i]*100:.1f}%"
272
+ for i in range(len(probs))
273
+ ]
274
+ context_parts.append(
275
+ "Distribuição das classes: " + ", ".join(ranking)
276
+ )
277
+
278
+ context_text = "\n".join(context_parts) if context_parts else "Sem contexto adicional."
279
+
280
+ prompt = (
281
+ "Você é um especialista em arqueologia que está ajudando uma equipe de estudantes "
282
+ "da FIRST LEGO League. Use uma linguagem simples e educativa.\n\n"
283
+ f"Contexto do modelo ArqueoIA:\n{context_text}\n\n"
284
+ f"Pergunta do usuário:\n{user_question}"
285
+ )
286
+
287
+ try:
288
+ response = client.responses.create(
289
+ model="gpt-4.1-mini",
290
+ input=prompt,
291
+ )
292
+ # Tentativa de extrair o texto da nova API de Responses
293
+ try:
294
+ answer = response.output[0].content[0].text
295
+ except Exception:
296
+ answer = str(response)
297
+ except Exception as e:
298
+ answer = (
299
+ "Não foi possível consultar o especialista online neste momento. "
300
+ f"Detalhes técnicos: {e}"
301
+ )
302
+
303
+ st.markdown("**Resposta do especialista:**")
304
+ st.write(answer)
305
 
306
+ else:
307
+ st.info(
308
+ "A função de consulta ao especialista online está desativada, "
309
+ "porque a chave de API da OpenAI não está configurada no servidor."
310
+ )
311
 
312
  except Exception as e:
 
313
  st.error(f"Ocorreu um erro ao processar a imagem: {e}")
314
+
315
  else:
 
316
  st.info("Envie uma imagem para iniciar a análise.")