app.py

import streamlit as st
from huggingface_hub import snapshot_download
import tensorflow as tf
import numpy as np
from PIL import Image
import requests
import os
import csv
import datetime
from huggingface_hub import HfApi, Repository
import subprocess

# Configuración de página y tema
st.set_page_config(page_title="GreenVision", page_icon="🌿", layout="centered")


# Banner con logo y título
logo = Image.open("greenvision_logo.png")

st.image(logo, width=70) 
st.markdown(
    """
    <h1 style="font-weight:800; font-size:2.3rem; margin:0; color:#222; text-align:center;">
        GreenVision
    </h1>
    <div style="text-align:center; color:#444; font-size:1.15rem; margin-top: 0.5em;">
        ¿No sabes cómo separar tus residuos?<br>
        <span style="color:#007aff; font-weight:500;">¡Usa GreenVision y descúbrelo al instante!</span><br>
        <span style="font-size:0.95rem; color:#888;">Sube una foto y nuestra IA te dirá el tipo de residuo.</span>
    </div>
    """,
    unsafe_allow_html=True,
)

CACHE_DIR = "/tmp/hf_cache"
os.makedirs(CACHE_DIR, exist_ok=True)

os.environ["HF_HOME"] = CACHE_DIR

@st.cache_resource
def load_model():
    model_dir = snapshot_download(
        repo_id="LuisTo97/greenvisionmodel",
        cache_dir=CACHE_DIR
    )
    return tf.keras.models.load_model(model_dir, compile=False)
    
model = load_model()
CLASS_NAMES = ['Hazardous', 'Organic', 'Recyclable', 'Non-Recyclable']

uploaded_file = st.file_uploader("Sube aquí tus residuos", type=["jpg", "jpeg", "png"])

if uploaded_file is not None:
    image = Image.open(uploaded_file).convert("RGB")
    img = image.resize((224, 224))
    arr = np.array(img, dtype=np.float32) / 255.0
    arr = np.expand_dims(arr, axis=0)
    preds = model.predict(arr)[0]
    idx = np.argmax(preds)
    prediction = CLASS_NAMES[idx]

    # Tarjeta de predicción y sugerencia
    suggestions = {
        "Hazardous": "Llévalo a un punto limpio o centro de acopio especializado.",
        "Organic": "Puedes compostarlo o tirarlo en el contenedor orgánico.",
        "Recyclable": "¡No olvides enjuagarlo antes de reciclar!",
        "Non-Recyclable": "Deposítalo en el contenedor gris o de basura general."
    }

    st.markdown(
        f"""
        <div style='background: #f5f7fa; border-radius: 16px; padding: 1.5em 1em; margin-top: 1.5em; color: #222; font-size: 1.13rem; text-align: center; box-shadow: 0 2px 8px #0001;'>
            <span style='font-size:2.2rem; display:inline-block; margin-bottom:0.3em;'>✅</span><br>
            <b>¡Listo! Este residuo es:</b><br>
            <span style='font-size:1.5rem; color:#007aff; font-weight:600;'>{prediction}</span>
            <div style='margin-top:1.1em; color:#444; font-size:1.07rem;'>
                <b>Sugerencia:</b> {suggestions.get(prediction, '')}
            </div>
        </div>
        """,
        unsafe_allow_html=True,
    )

    # Imagen cargada
    st.image(image, caption="Imagen subida", use_container_width=True)

    # Feedback 
    st.markdown("---")
    st.markdown(
        "<div style='font-size:1.1rem; font-weight:500; margin-bottom: 0.5em;'>¿La predicción fue correcta? <span style='color:#007aff'>¡Ayúdanos a mejorar!</span></div>",
        unsafe_allow_html=True,
    )
    col1, col2 = st.columns(2)
    with col1:
        correct_prediction = st.radio("¿Es correcta la predicción?", ["Sí", "No"], horizontal=True)
    with col2:
        true_label = st.selectbox("Si no es correcta, ¿cuál debería ser?", CLASS_NAMES)
        

if st.button("Enviar Feedback"):
    api = HfApi()
    FEED_PATH = "/tmp/feedback_log.csv"

   
    try:
        api.download_file(
            repo_id="LuisTo97/GreenVision-Docker",  
            repo_type="space",
            path_in_repo="feedback_log.csv",
            local_path=FEED_PATH,
            token=os.getenv("HUGGINGFACE_HUB_TOKEN")
        )
        file_exists = True
    except Exception:
        # no existía aún
        file_exists = False

    
    with open(FEED_PATH, "a", newline="", encoding="utf-8") as f:
        writer = csv.writer(f)
        if not file_exists:
            writer.writerow(["predicted", "correct", "timestamp"])
        writer.writerow([
            prediction,
            true_label if correct_prediction == "No" else prediction,
            datetime.datetime.utcnow().isoformat()
        ])
    st.success("¡Feedback guardado localmente en /tmp!")    

    api.upload_file(
        path_or_fileobj=FEED_PATH,
        path_in_repo="feedback_log.csv",
        repo_id="LuisTo97/GreenVision-Docker",  
        repo_type="space",
        token=os.getenv("HUGGINGFACE_HUB_TOKEN"),
        commit_message="Add new feedback entry"
    )
    st.info("¡Feedback subido y acumulado en el repositorio!")


else:
    # Mensaje de espera 
    st.markdown(
        "<div style='color:#888; text-align:center; margin-top:3em; font-size:1.15rem;'>"
        "Arrastra o selecciona una imagen para descubrir cómo clasificar tu residuo ♻️"
        "</div>",
        unsafe_allow_html=True,
    )