Extração de Dados Nutricionais com IA

Este projeto é uma aplicação web desenvolvida para extrair informações nutricionais detalhadas a partir de imagens de rótulos de alimentos ou tabelas nutricionais. Utiliza um backend robusto construído com Node.js e Express, que gerencia o processamento das imagens enviadas pelos usuários. A extração dos dados é realizada através da integração com a API de inteligência artificial DeepSeek, que analisa as imagens e retorna as informações nutricionais contidas nelas.

Funcionalidades

• Upload de imagens de tabelas nutricionais.
• Processamento de imagens no servidor (redimensionamento e compressão).
• Extração de dados nutricionais utilizando a API DeepSeek.

Fase Atual do Projeto

O backend da aplicação está atualmente em uma fase de desenvolvimento funcional, capaz de:

• Receber uploads de imagens.
• Processar as imagens (redimensionar e comprimir para otimizar a análise).
• Integrar-se com a API DeepSeek para extrair dados nutricionais em formato de texto bruto.

Próximos Passos Potenciais:

• Implementação de um parser para converter o texto bruto extraído pela IA em um formato de dados estruturado (JSON, por exemplo), facilitando a utilização e visualização dos dados.
• Desenvolvimento ou integração de uma interface de usuário (client-side) para facilitar o upload das imagens e a visualização dos resultados. Atualmente, o foco tem sido na funcionalidade do backend e na API.
• Refinamento contínuo do prompt enviado à API de IA para melhorar a precisão e o detalhamento dos dados extraídos.

O projeto pode ser considerado em estágio de desenvolvimento ativo / prova de conceito, com a fundação do backend estabelecida e a principal funcionalidade de extração de dados via IA implementada.

Tecnologias Utilizadas

• Backend: Node.js, Express.js
• Processamento de Imagem: Sharp
• Chamadas API (AI): Axios
• Inteligência Artificial: DeepSeek API (especificamente o modelo deepseek-reasoner)
• Variáveis de Ambiente: dotenv

Desenvolvimento

Este projeto foi desenvolvido como uma aplicação web para extrair informações nutricionais de rótulos de alimentos ou tabelas nutricionais usando IA. O processo de desenvolvimento focou na criação de um backend robusto para lidar com o processamento de imagens e integração com IA, e um frontend amigável para upload de imagens e exibição dos resultados.

A aplicação segue uma arquitetura cliente-servidor:

• Backend: Desenvolvido com Node.js e Express.js, o backend é responsável por receber uploads de imagens, processá-las (redimensionando e comprimindo usando a biblioteca Sharp), e interagir com a API de IA DeepSeek (usando Axios para chamadas à API) para extrair dados nutricionais. As variáveis de ambiente são gerenciadas com dotenv.
• Frontend: Construído com React (inicializado com Create React App), o frontend fornece uma interface para os usuários fazerem upload de imagens e visualizarem as informações nutricionais extraídas. Componentes chave incluem App.js para a estrutura principal da aplicação e ImageUploader.js para lidar com uploads de imagens e exibição de resultados.

O projeto está atualmente em estágio de desenvolvimento ativo/prova de conceito. A funcionalidade principal do backend para processamento de imagens e extração de dados baseada em IA está implementada.

Detalhes da Implementação

A funcionalidade principal gira em torno do processamento de imagens de rótulos nutricionais enviadas pelo usuário e da extração de dados usando um modelo de IA.

• Processamento de Imagem:

  • Quando uma imagem é enviada através do frontend, ela é encaminhada para o backend.
  • O backend utiliza a biblioteca Sharp para:
    • Redimensionar a imagem para uma largura máxima de 1024 pixels para otimizá-la para a análise da IA e reduzir o tempo de processamento.
    • Comprimir a imagem para reduzir ainda mais o tamanho do arquivo sem perda significativa de qualidade relevante para a extração de texto.
  • As imagens processadas são armazenadas temporariamente no diretório server/uploads/.

• Extração de Dados por IA:

  • A imagem processada é então enviada para a API de IA DeepSeek.
  • O modelo específico utilizado é o deepseek-reasoner.
  • O backend constrói um prompt instruindo a IA a analisar a imagem e extrair todas as informações nutricionais presentes, visando uma saída textual abrangente do conteúdo do rótulo.

• Endpoints da API:

  • Backend (Servidor):
    • POST /api/images/upload: Recebe a imagem do cliente, processa-a, envia-a para a API DeepSeek e retorna o texto extraído.
    • GET /api/health: Um endpoint de verificação de saúde para confirmar que o servidor está funcionando corretamente.
  • Frontend (Cliente):
    • O cliente faz uma requisição POST para http://localhost:5555/api/images/upload (ou a URL do backend configurada) para enviar a imagem para análise. A porta 5555 é o padrão para o servidor backend.

• Interação Frontend:

  • O componente ImageUploader.js no frontend React lida com:
    • Seleção de imagem (arrastar e soltar ou caixa de diálogo de arquivo).
    • Exibição de uma pré-visualização da imagem.
    • Envio da imagem para o endpoint da API do backend.
    • Exibição dos dados nutricionais textuais brutos retornados pelo backend ou uma mensagem de erro se o processo falhar.
    • Um indicador de carregamento é exibido durante o processo de análise.

Como Clonar a Aplicação

Siga os passos abaixo para clonar o repositório da aplicação.

1. Clonar o Repositório

Primeiro, clone o repositório para a sua máquina local utilizando o seguinte comando no terminal:

git clone <URL_DO_REPOSITORIO>

Substitua <URL_DO_REPOSITORIO> pela URL fornecida do repositório.

Após a clonagem, navegue até a pasta do projeto:

cd <NOME_DA_PASTA_DO_PROJETO>

Substitua <NOME_DA_PASTA_DO_PROJETO> pelo nome da pasta que foi criada durante a clonagem.

Configurando e Executando o Backend (Servidor)

O backend é responsável por processar as imagens e interagir com a API de IA. Para executar o servidor localmente, siga estes passos:

1. Clone o repositório (se ainda não o fez):

   git clone <URL_DO_REPOSITORIO>
   cd <NOME_DA_PASTA_DO_PROJETO>

2. Navegue até a pasta do servidor:

   cd server

3. Instale as dependências: Certifique-se de ter o Node.js e o npm instalados.

   npm install

   Este comando instalará todas as dependências listadas no arquivo package.json do servidor, como Express, Sharp, Axios, etc.

4. Configure as variáveis de ambiente:

   • Crie um arquivo .env dentro da pasta server.
   • Adicione as seguintes variáveis ao arquivo .env:

     DEEPSEEK_API_URL=SUA_URL_DA_API_DEEPSEEK
     DEEPSEEK_API_KEY=SUA_CHAVE_DA_API_DEEPSEEK
     PORT=5555 # Porta opcional, o padrão é 5555 se não especificado
     

   • Substitua SUA_URL_DA_API_DEEPSEEK e SUA_CHAVE_DA_API_DEEPSEEK com suas credenciais reais da API DeepSeek.

5. Inicie o servidor:

   node index.js

6. O servidor estará rodando em http://localhost:PORT (por exemplo, http://localhost:5555 se a porta não for alterada). Você pode verificar o status do servidor acessando a rota de saúde: http://localhost:PORT/api/health.

Configurando e Executando o Frontend (Cliente)

O frontend é a interface com a qual o usuário interage para enviar imagens e ver os resultados.

1. Navegue até a pasta do cliente: A partir da raiz do projeto (certifique-se de voltar para a raiz do projeto se você ainda estiver no diretório server, usando cd ..), entre no diretório client:

   cd client

2. Instale as dependências do cliente: Este comando instalará todas as dependências do frontend, como React e outras bibliotecas necessárias, listadas no package.json do cliente.

   npm install

3. Inicie a aplicação de desenvolvimento do cliente: Após a instalação das dependências, inicie o servidor de desenvolvimento do React:

   npm start

4. Este comando iniciará o servidor de desenvolvimento do React. Geralmente, a aplicação abrirá automaticamente em seu navegador padrão no endereço http://localhost:3000. Se não abrir automaticamente, você pode acessá-la manualmente digitando http://localhost:3000 na barra de endereços do seu navegador. O frontend se comunicará com o backend (que deve estar em execução conforme anteriormente explicado) para enviar imagens e receber dados.