import torch
print("version:", torch.__version__)
print("cuda available:", torch.cuda.is_available())
print("device count:", torch.cuda.device_count())
if torch.cuda.is_available():
    print("device 0:", torch.cuda.get_device_name(0))

from pathlib import Path

# Ajusta se o caminho base for outro
root = Path(r"C:\ZendionInc\agrobot_base\Python\yolov8-seg")

train_img_dir = root / "images" / "train"
train_lbl_dir = root / "labels" / "train"

print("=== DEBUG TRAIN ===")
print("Pasta imagens:", train_img_dir)
print("Pasta labels :", train_lbl_dir)

# extensões que vamos considerar como imagem
img_exts = {".jpg", ".jpeg", ".png", ".bmp"}

imgs = sorted([p for p in train_img_dir.iterdir() if p.suffix.lower() in img_exts])
print(f"Total de imagens em train: {len(imgs)}")

missing_lbl = []
empty_lbl = []
ok_lbl = []

for img in imgs:
    lbl = train_lbl_dir / f"{img.stem}.txt"
    if not lbl.exists():
        missing_lbl.append(img.name)
    else:
        content = lbl.read_text(encoding="utf-8").strip()
        if not content:
            empty_lbl.append(img.name)
        else:
            ok_lbl.append(img.name)

print("\nImagens COM label não vazio:", len(ok_lbl))
print("Imagens SEM arquivo de label:", len(missing_lbl))
print("Imagens COM label VAZIO:", len(empty_lbl))

if ok_lbl:
    exemplo = ok_lbl[0]
    exemplo_lbl = train_lbl_dir / f"{Path(exemplo).stem}.txt"
    print("\nExemplo de label não vazio (primeira linha):")
    print(exemplo_lbl.read_text(encoding="utf-8").splitlines()[0])
else:
    print("\nNenhum label não vazio encontrado.")

# Repetir o mesmo para VAL se quiser:
val_img_dir = root / "images" / "val"
val_lbl_dir = root / "labels" / "val"

print("\n=== DEBUG VAL ===")
print("Pasta imagens:", val_img_dir)
print("Pasta labels :", val_lbl_dir)

imgs_val = sorted([p for p in val_img_dir.iterdir() if p.suffix.lower() in img_exts])
print(f"Total de imagens em val: {len(imgs_val)}")

missing_lbl_val = []
empty_lbl_val = []
ok_lbl_val = []

for img in imgs_val:
    lbl = val_lbl_dir / f"{img.stem}.txt"
    if not lbl.exists():
        missing_lbl_val.append(img.name)
    else:
        content = lbl.read_text(encoding="utf-8").strip()
        if not content:
            empty_lbl_val.append(img.name)
        else:
            ok_lbl_val.append(img.name)

print("\nImagens COM label não vazio:", len(ok_lbl_val))
print("Imagens SEM arquivo de label:", len(missing_lbl_val))
print("Imagens COM label VAZIO:", len(empty_lbl_val))


from pathlib import Path

root = Path(r"C:\ZendionInc\agrobot_base\Python\yolov8-seg")

names = {0: "erva", 1: "cana"}  # bate com seu data.yaml
nc = len(names)

def checar_pasta(subdir: str):
    lbl_dir = root / "labels" / subdir
    txts = sorted(lbl_dir.glob("*.txt"))

    print(f"\n=== CHECANDO {subdir.upper()} ===")
    print(f"Total de arquivos de label: {len(txts)}")

    total_linhas = 0
    total_objs_validos = 0
    total_objs_invalidos = 0

    for p in txts:
        linhas = p.read_text(encoding="utf-8").strip().splitlines()
        if not linhas:
            print(f"[VAZIO] {p.name}")
            continue

        for idx, line in enumerate(linhas):
            total_linhas += 1
            parts = line.strip().split()
            erro = None

            # 1) min fields: class + pelo menos 3 pontos (6 coords)
            if len(parts) < 1 + 6:
                erro = "menos de 3 pontos (precisa >= 7 valores)"

            else:
                # class
                try:
                    cls = int(parts[0])
                except ValueError:
                    erro = "class não é inteiro"
                    cls = None

                if erro is None and not (0 <= cls < nc):
                    erro = f"class fora do range [0,{nc-1}]"

                # coords
                coords = parts[1:]
                if erro is None and len(coords) % 2 != 0:
                    erro = f"nº de coords ímpar ({len(coords)})"

                # checar faixa [0,1]
                if erro is None:
                    try:
                        vals = list(map(float, coords))
                    except ValueError:
                        erro = "coordenadas não numéricas"
                        vals = []

                    if not erro:
                        for v in vals:
                            if not (0.0 <= v <= 1.0):
                                erro = f"coord fora de [0,1]: {v}"
                                break

            if erro:
                total_objs_invalidos += 1
                print(f"[ERRO] {p.name} (linha {idx+1}): {erro}")
                print("       ->", line[:120], "...")
            else:
                total_objs_validos += 1

    print(f"\nResumo {subdir}:")
    print(f"  Linhas totais           : {total_linhas}")
    print(f"  Objetos válidos         : {total_objs_validos}")
    print(f"  Objetos inválidos       : {total_objs_invalidos}")

checar_pasta("train")
checar_pasta("val")


from ultralytics.data.utils import visualize_image_annotations

img = "images/train/20260126_121341_900.jpg"
lbl = "labels/train/20260126_121341_900.txt"

label_map = {0: "erva", 1: "cana"}

visualize_image_annotations(img, lbl, label_map)