Robsonfll commited on
Commit
fda4e9c
·
verified ·
1 Parent(s): cc2d809

Update src/streamlit_app.py

Browse files
Files changed (1) hide show
  1. src/streamlit_app.py +182 -109
src/streamlit_app.py CHANGED
@@ -1,76 +1,32 @@
1
  # src/streamlit_app.py
2
 
3
  import json
4
- from pathlib import Path
5
  import os
 
6
 
7
  from openai import OpenAI
 
8
  import numpy as np
9
  from PIL import Image
10
  import streamlit as st
11
  import tensorflow as tf
12
 
13
-
14
  # =====================================================================
15
- # 0. Cliente OpenAI (lendo a chave dos Repository secrets)
16
  # =====================================================================
17
- OPENAI_API_KEY = os.environ.get("OPENAI_API_KEY") # nome do secret no Hugging Face
18
- client = OpenAI(api_key=OPENAI_API_KEY)
19
-
20
-
21
- def consultar_especialista(pergunta: str, contexto: str = "") -> str:
22
- """
23
- Envia a pergunta para o modelo da OpenAI e devolve a resposta em texto.
24
- """
25
- if not OPENAI_API_KEY:
26
- return (
27
- "Erro: chave da OpenAI não encontrada nas variáveis de ambiente.\n\n"
28
- "Verifique em *Settings → Repository secrets* se o secret OPENAI_API_KEY "
29
- "foi criado corretamente."
30
- )
31
-
32
- try:
33
- mensagens = [
34
- {
35
- "role": "system",
36
- "content": (
37
- "Você é um especialista em arqueologia e educação. "
38
- "Explique sempre em linguagem simples, para estudantes do ensino "
39
- "fundamental e médio. Use exemplos quando fizer sentido."
40
- ),
41
- }
42
- ]
43
-
44
- if contexto:
45
- mensagens.append(
46
- {
47
- "role": "system",
48
- "content": f"Contexto adicional sobre a imagem analisada: {contexto}",
49
- }
50
- )
51
-
52
- mensagens.append({"role": "user", "content": pergunta})
53
-
54
- resposta = client.chat.completions.create(
55
- model="gpt-4.1-mini", # pode trocar por outro modelo da OpenAI
56
- messages=mensagens,
57
- temperature=0.4,
58
- max_tokens=700,
59
- )
60
-
61
- return resposta.choices[0].message.content.strip()
62
-
63
- except Exception as e:
64
- return f"Ocorreu um erro ao consultar o especialista: {e}"
65
 
66
 
67
  # =====================================================================
68
  # 1. Caminhos dos arquivos (sempre relativos ao próprio arquivo)
69
  # =====================================================================
70
  SRC_DIR = Path(__file__).parent # .../src
71
- MODEL_PATH = SRC_DIR / "model.tflite" # .../src/model.tflite
72
- LABELS_PATH = SRC_DIR / "labels.txt" # .../src/labels.txt
73
- META_PATH = SRC_DIR / "meta.json" # .../src/meta.json
 
74
 
75
 
76
  # =====================================================================
@@ -112,13 +68,8 @@ def load_meta():
112
  try:
113
  with META_PATH.open("r", encoding="utf-8") as f:
114
  data = json.load(f)
115
- # tenta ler do meta.json no formato que usamos no Colab
116
- shape = (
117
- data.get("input_shape")
118
- or data.get("expected_input_shape")
119
- or {}
120
- )
121
- # exemplos: {"height": 224, "width": 224} ou {"1": 1, "2": 224, ...}
122
  if isinstance(shape, dict):
123
  h = shape.get("height") or shape.get("1") or 224
124
  w = shape.get("width") or shape.get("2") or 224
@@ -175,7 +126,58 @@ def run_inference(pil_img: Image.Image):
175
 
176
 
177
  # =====================================================================
178
- # 4. Interface Streamlit
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
179
  # =====================================================================
180
  st.set_page_config(
181
  page_title="ArqueoIA",
@@ -183,10 +185,64 @@ st.set_page_config(
183
  layout="centered",
184
  )
185
 
186
- st.title("ArqueoIA 🗿")
187
- st.write(
188
- "Sistema de IA para **identificar e classificar artefatos arqueológicos** "
189
- "(osso, cerâmica, moeda, flecha, etc.), usando o modelo treinado no Colab."
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
190
  )
191
 
192
  st.markdown("---")
@@ -200,9 +256,16 @@ else:
200
  "Os nomes das classes serão mostrados como índices (0, 1, 2, ...)."
201
  )
202
 
 
 
 
 
 
 
203
  uploaded_file = st.file_uploader(
204
- "Envie uma imagem (JPG ou PNG)",
205
  type=["jpg", "jpeg", "png"],
 
206
  )
207
 
208
  if uploaded_file is not None:
@@ -212,10 +275,9 @@ if uploaded_file is not None:
212
  st.image(pil_img, caption="Imagem enviada", use_container_width=True)
213
  st.write("")
214
 
215
- with st.spinner("Analisando a imagem com o modelo ArqueoIA..."):
216
  probs = run_inference(pil_img)
217
 
218
- # garante array 1D
219
  probs = np.array(probs).flatten()
220
  num_classes = len(probs)
221
  idx_max = int(np.argmax(probs))
@@ -226,63 +288,74 @@ if uploaded_file is not None:
226
  else:
227
  pred_label = f"classe {idx_max}"
228
 
229
- st.subheader("Resultado principal")
230
- st.markdown(
231
- f"**Classe prevista:** `{pred_label}` \n"
232
- f"**Confiança aproximada:** `{conf_max * 100:.1f}%`"
233
- )
234
-
235
- st.markdown("### Detalhamento das classes")
236
  for i in range(num_classes):
237
  if labels and i < len(labels):
238
  name = labels[i]
239
  else:
240
  name = f"classe {i}"
241
- st.write(f"- **{name}**: {probs[i] * 100:.1f}%")
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
242
 
243
  st.success("Análise concluída com sucesso! ✅")
244
 
245
- # -------------------------------------------------------------
246
- # 5. Seção: Consultar especialista online (ChatGPT embutido)
247
- # -------------------------------------------------------------
248
- st.markdown("---")
249
- with st.expander("4) Consultar especialista online", expanded=True):
250
- st.markdown(
251
- "Use esta área para tirar dúvidas com um especialista virtual em arqueologia. "
252
- "Ele pode explicar melhor o resultado da análise ou responder perguntas gerais "
253
- "sobre o tema."
254
- )
255
 
256
- contexto = (
257
- f"A imagem foi classificada como '{pred_label}' com confiança "
258
- f"de aproximadamente {conf_max * 100:.1f}%. "
259
- "As classes disponíveis no modelo são: "
260
- f"{', '.join(labels) if labels else 'não especificadas'}."
261
- )
262
 
263
- pergunta_default = (
264
- f"A imagem foi classificada como {pred_label}. "
265
- "Explique o que esse tipo de artefato arqueológico representa, "
266
- "como é encontrado em sítios arqueológicos e sua importância histórica."
 
 
 
 
 
267
  )
268
 
269
- pergunta = st.text_area(
270
- "Digite sua pergunta para o especialista:",
271
- value=pergunta_default,
272
- key="pergunta_especialista",
273
  )
274
 
275
- if st.button("Consultar especialista online agora"):
276
- if not pergunta.strip():
277
- st.warning("Por favor, digite uma pergunta antes de consultar.")
278
- else:
279
- with st.spinner("Consultando especialista..."):
280
- resposta = consultar_especialista(pergunta, contexto=contexto)
281
 
282
- st.markdown("### Resposta do especialista")
283
- st.write(resposta)
284
 
285
  except Exception as e:
 
286
  st.error(f"Ocorreu um erro ao processar a imagem: {e}")
287
  else:
 
288
  st.info("Envie uma imagem para iniciar a análise.")
 
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
  # =====================================================================
 
68
  try:
69
  with META_PATH.open("r", encoding="utf-8") as f:
70
  data = json.load(f)
71
+
72
+ shape = data.get("input_shape") or data.get("expected_input_shape") or {}
 
 
 
 
 
73
  if isinstance(shape, dict):
74
  h = shape.get("height") or shape.get("1") or 224
75
  w = shape.get("width") or shape.get("2") or 224
 
126
 
127
 
128
  # =====================================================================
129
+ # 4. Função para consultar o "especialista online" (ChatGPT)
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",
 
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, etc.), usando o modelo treinado no Colab.
243
+ </div>
244
+ """,
245
+ unsafe_allow_html=True,
246
  )
247
 
248
  st.markdown("---")
 
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:
 
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
  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 (ChatGPT)</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.")