impact/lib/services/object_detection_service.dart

import 'dart:async';
import 'package:flutter/foundation.dart';
import 'package:flutter/services.dart';
import 'package:camera/camera.dart';
import 'package:google_mlkit_object_detection/google_mlkit_object_detection.dart';

/// Un objet détecté, exprimé en coordonnées NORMALISÉES (0..1) par rapport
/// à l'image source. Indépendant de la résolution réelle de la caméra.
class DetectedObject2D {
  /// Boîte englobante normalisée (left, top, right, bottom dans [0..1]).
  final double left;
  final double top;
  final double right;
  final double bottom;

  /// Label le plus probable (ex: "Fruit", "Plant"...) — peut être vide.
  final String label;

  /// Confiance du label [0..1].
  final double confidence;

  const DetectedObject2D({
    required this.left,
    required this.top,
    required this.right,
    required this.bottom,
    required this.label,
    required this.confidence,
  });

  double get centerX => (left + right) / 2;
  double get centerY => (top + bottom) / 2;
  double get width => right - left;
  double get height => bottom - top;
  double get area => width * height;
}

/// Service de détection d'objets en temps réel basé sur Google ML Kit.
///
/// Traite directement les frames `CameraImage` du flux caméra (pas de
/// passage par un fichier JPEG, donc beaucoup plus rapide qu'OpenCV ici).
///
/// Usage :
///   final svc = ObjectDetectionService();
///   svc.start();
///   cameraController.startImageStream((frame) =>
///       svc.processCameraImage(frame, cameraDescription, rotation));
///   svc.stream.listen((objects) { ... });
class ObjectDetectionService {
  ObjectDetector? _detector;
  final StreamController<List<DetectedObject2D>> _controller =
  StreamController<List<DetectedObject2D>>.broadcast();

  bool _isBusy = false;
  bool _started = false;

  Stream<List<DetectedObject2D>> get stream => _controller.stream;

  void start() {
    if (_started) return;
    _started = true;

    // Mode STREAM : optimisé pour le flux vidéo temps réel.
    // classifyObjects: true => on récupère un label grossier + confiance.
    // multipleObjects: false => on suit l'objet principal (plus stable).
    final options = ObjectDetectorOptions(
      mode: DetectionMode.stream,
      classifyObjects: true,
      multipleObjects: false,
    );
    _detector = ObjectDetector(options: options);
  }

  /// À appeler depuis `startImageStream`.
  Future<void> processCameraImage(
      CameraImage image,
      CameraDescription camera,
      DeviceOrientation deviceOrientation,
      ) async {
    if (!_started || _detector == null) return;
    if (_isBusy) return; // On saute la frame si la précédente n'est pas finie
    _isBusy = true;

    try {
      final inputImage = _toInputImage(image, camera, deviceOrientation);
      if (inputImage == null) {
        _isBusy = false;
        return;
      }

      final objects = await _detector!.processImage(inputImage);

      final int imgW = image.width;
      final int imgH = image.height;

      final List<DetectedObject2D> results = objects.map((o) {
        final rect = o.boundingBox;
        String label = '';
        double conf = 0;
        if (o.labels.isNotEmpty) {
          final best = o.labels.reduce(
                (a, b) => a.confidence >= b.confidence ? a : b,
          );
          label = best.text;
          conf = best.confidence;
        }
        return DetectedObject2D(
          left: (rect.left / imgW).clamp(0.0, 1.0),
          top: (rect.top / imgH).clamp(0.0, 1.0),
          right: (rect.right / imgW).clamp(0.0, 1.0),
          bottom: (rect.bottom / imgH).clamp(0.0, 1.0),
          label: label,
          confidence: conf,
        );
      }).toList();

      if (!_controller.isClosed) _controller.add(results);
    } catch (e) {
      debugPrint('ObjectDetection erreur: $e');
    } finally {
      _isBusy = false;
    }
  }

  /// Convertit une CameraImage en InputImage ML Kit.
  InputImage? _toInputImage(
      CameraImage image,
      CameraDescription camera,
      DeviceOrientation deviceOrientation,
      ) {
    // Rotation : combine l'orientation du capteur et celle de l'appareil.
    final sensorOrientation = camera.sensorOrientation;
    InputImageRotation? rotation;

    if (defaultTargetPlatform == TargetPlatform.iOS) {
      rotation = InputImageRotationValue.fromRawValue(sensorOrientation);
    } else {
      // Android : table d'orientation
      var rotationCompensation = _orientations[deviceOrientation] ?? 0;
      if (camera.lensDirection == CameraLensDirection.front) {
        rotationCompensation =
            (sensorOrientation + rotationCompensation) % 360;
      } else {
        rotationCompensation =
            (sensorOrientation - rotationCompensation + 360) % 360;
      }
      rotation = InputImageRotationValue.fromRawValue(rotationCompensation);
    }
    if (rotation == null) return null;

    final format = InputImageFormatValue.fromRawValue(image.format.raw);
    if (format == null) return null;

    // ML Kit attend un seul plan contigu (NV21 sur Android, BGRA sur iOS).
    if (image.planes.isEmpty) return null;
    final plane = image.planes.first;

    return InputImage.fromBytes(
      bytes: plane.bytes,
      metadata: InputImageMetadata(
        size: Size(image.width.toDouble(), image.height.toDouble()),
        rotation: rotation,
        format: format,
        bytesPerRow: plane.bytesPerRow,
      ),
    );
  }

  static const Map<DeviceOrientation, int> _orientations = {
    DeviceOrientation.portraitUp: 0,
    DeviceOrientation.landscapeLeft: 90,
    DeviceOrientation.portraitDown: 180,
    DeviceOrientation.landscapeRight: 270,
  };

  void stop() {
    _started = false;
  }

  void dispose() {
    stop();
    _detector?.close();
    _detector = null;
    _controller.close();
  }
}