food-ai/backend/internal/gemini/recognition.go

package gemini

import (
	"encoding/json"
	"fmt"
	"strings"
	"context"
)

// RecognizedItem is a food item identified in an image.
type RecognizedItem struct {
	Name       string  `json:"name"`
	Quantity   float64 `json:"quantity"`
	Unit       string  `json:"unit"`
	Category   string  `json:"category"`
	Confidence float64 `json:"confidence"`
}

// UnrecognizedItem is text from a receipt that could not be identified as food.
type UnrecognizedItem struct {
	RawText string  `json:"raw_text"`
	Price   float64 `json:"price,omitempty"`
}

// ReceiptResult is the full result of receipt OCR.
type ReceiptResult struct {
	Items        []RecognizedItem   `json:"items"`
	Unrecognized []UnrecognizedItem `json:"unrecognized"`
}

// DishResult is the result of dish recognition.
type DishResult struct {
	DishName      string   `json:"dish_name"`
	WeightGrams   int      `json:"weight_grams"`
	Calories      float64  `json:"calories"`
	ProteinG      float64  `json:"protein_g"`
	FatG          float64  `json:"fat_g"`
	CarbsG        float64  `json:"carbs_g"`
	Confidence    float64  `json:"confidence"`
	SimilarDishes []string `json:"similar_dishes"`
}

// IngredientClassification is the AI-produced classification of an unknown food item.
type IngredientClassification struct {
	CanonicalName   string   `json:"canonical_name"`
	CanonicalNameRu string   `json:"canonical_name_ru"`
	Category        string   `json:"category"`
	DefaultUnit     string   `json:"default_unit"`
	CaloriesPer100g *float64 `json:"calories_per_100g"`
	ProteinPer100g  *float64 `json:"protein_per_100g"`
	FatPer100g      *float64 `json:"fat_per_100g"`
	CarbsPer100g    *float64 `json:"carbs_per_100g"`
	StorageDays     int      `json:"storage_days"`
	Aliases         []string `json:"aliases"`
}

// RecognizeReceipt uses the vision model to extract food items from a receipt photo.
func (c *Client) RecognizeReceipt(ctx context.Context, imageBase64, mimeType string) (*ReceiptResult, error) {
	prompt := `Ты — OCR-система для чеков из продуктовых магазинов.

Проанализируй фото чека и извлеки список продуктов питания.
Для каждого продукта определи:
- name: название на русском языке (убери артикулы, коды, лишние символы)
- quantity: количество (число)
- unit: единица (г, кг, мл, л, шт, уп)
- category: dairy | meat | produce | bakery | frozen | beverages | other
- confidence: 0.0–1.0

Позиции, которые не являются едой (бытовая химия, табак, алкоголь) — пропусти.
Позиции с нечитаемым текстом — добавь в unrecognized.

Верни ТОЛЬКО валидный JSON без markdown:
{
  "items": [
    {"name": "Молоко 2.5%", "quantity": 1, "unit": "л", "category": "dairy", "confidence": 0.95}
  ],
  "unrecognized": [
    {"raw_text": "ТОВ АРТИК 1ШТ", "price": 89.0}
  ]
}`

	text, err := c.generateVisionContent(ctx, prompt, imageBase64, mimeType)
	if err != nil {
		return nil, fmt.Errorf("recognize receipt: %w", err)
	}

	var result ReceiptResult
	if err := parseJSON(text, &result); err != nil {
		return nil, fmt.Errorf("parse receipt result: %w", err)
	}
	if result.Items == nil {
		result.Items = []RecognizedItem{}
	}
	if result.Unrecognized == nil {
		result.Unrecognized = []UnrecognizedItem{}
	}
	return &result, nil
}

// RecognizeProducts uses the vision model to identify food items in a photo (fridge, shelf, etc.).
func (c *Client) RecognizeProducts(ctx context.Context, imageBase64, mimeType string) ([]RecognizedItem, error) {
	prompt := `Ты — система распознавания продуктов питания.

Посмотри на фото и определи все видимые продукты питания.
Для каждого продукта оцени:
- name: название на русском языке
- quantity: приблизительное количество (число)
- unit: единица (г, кг, мл, л, шт)
- category: dairy | meat | produce | bakery | frozen | beverages | other
- confidence: 0.0–1.0

Только продукты питания. Пустые упаковки и несъедобные предметы — пропусти.

Верни ТОЛЬКО валидный JSON без markdown:
{
  "items": [
    {"name": "Яйца", "quantity": 10, "unit": "шт", "category": "dairy", "confidence": 0.9}
  ]
}`

	text, err := c.generateVisionContent(ctx, prompt, imageBase64, mimeType)
	if err != nil {
		return nil, fmt.Errorf("recognize products: %w", err)
	}

	var result struct {
		Items []RecognizedItem `json:"items"`
	}
	if err := parseJSON(text, &result); err != nil {
		return nil, fmt.Errorf("parse products result: %w", err)
	}
	if result.Items == nil {
		return []RecognizedItem{}, nil
	}
	return result.Items, nil
}

// RecognizeDish uses the vision model to identify a dish and estimate its nutritional content.
func (c *Client) RecognizeDish(ctx context.Context, imageBase64, mimeType string) (*DishResult, error) {
	prompt := `Ты — диетолог и кулинарный эксперт.

Посмотри на фото блюда и определи:
- dish_name: название блюда на русском языке
- weight_grams: приблизительный вес порции в граммах
- calories: калорийность порции (приблизительно)
- protein_g, fat_g, carbs_g: БЖУ на порцию
- confidence: 0.0–1.0
- similar_dishes: до 3 похожих блюд (для поиска рецептов)

Верни ТОЛЬКО валидный JSON без markdown:
{
  "dish_name": "Паста Карбонара",
  "weight_grams": 350,
  "calories": 520,
  "protein_g": 22,
  "fat_g": 26,
  "carbs_g": 48,
  "confidence": 0.85,
  "similar_dishes": ["Паста с беконом", "Спагетти"]
}`

	text, err := c.generateVisionContent(ctx, prompt, imageBase64, mimeType)
	if err != nil {
		return nil, fmt.Errorf("recognize dish: %w", err)
	}

	var result DishResult
	if err := parseJSON(text, &result); err != nil {
		return nil, fmt.Errorf("parse dish result: %w", err)
	}
	if result.SimilarDishes == nil {
		result.SimilarDishes = []string{}
	}
	return &result, nil
}

// ClassifyIngredient uses the text model to classify an unknown food item
// and build an ingredient_mappings record for it.
func (c *Client) ClassifyIngredient(ctx context.Context, name string) (*IngredientClassification, error) {
	prompt := fmt.Sprintf(`Классифицируй продукт питания: "%s".

Ответь ТОЛЬКО валидным JSON без markdown:
{
  "canonical_name": "turkey_breast",
  "canonical_name_ru": "грудка индейки",
  "category": "meat",
  "default_unit": "g",
  "calories_per_100g": 135,
  "protein_per_100g": 29,
  "fat_per_100g": 1,
  "carbs_per_100g": 0,
  "storage_days": 3,
  "aliases": ["грудка индейки", "филе индейки", "turkey breast"]
}`, name)

	messages := []map[string]string{
		{"role": "user", "content": prompt},
	}
	text, err := c.generateContent(ctx, messages)
	if err != nil {
		return nil, fmt.Errorf("classify ingredient: %w", err)
	}

	var result IngredientClassification
	if err := parseJSON(text, &result); err != nil {
		return nil, fmt.Errorf("parse classification: %w", err)
	}
	return &result, nil
}

// parseJSON strips optional markdown fences and unmarshals JSON.
func parseJSON(text string, dst any) error {
	text = strings.TrimSpace(text)
	if strings.HasPrefix(text, "```") {
		text = strings.TrimPrefix(text, "```json")
		text = strings.TrimPrefix(text, "```")
		text = strings.TrimSuffix(text, "```")
		text = strings.TrimSpace(text)
	}
	return json.Unmarshal([]byte(text), dst)
}