package driver

import "time"

type DeviceDriver interface {
	Info() DeviceInfo
	Connect() error
	Disconnect() error
	IsConnected() bool
	Flash(modelPath string, opts FlashOptions, progressCh chan<- FlashProgress) error
	StartInference() error
	StopInference() error
	ReadInference() (*InferenceResult, error)
	RunInference(imageData []byte) (*InferenceResult, error)
	GetModelInfo() (*ModelInfo, error)
}

type DeviceInfo struct {
	ID           string       `json:"id"`
	Name         string       `json:"name"`
	Type         string       `json:"type"`
	Port         string       `json:"port"`
	VendorID     uint16       `json:"vendorId,omitempty"`
	ProductID    uint16       `json:"productId,omitempty"`
	Status       DeviceStatus `json:"status"`
	FirmwareVer  string       `json:"firmwareVersion,omitempty"`
	FlashedModel string       `json:"flashedModel,omitempty"`
}

type DeviceStatus string

const (
	StatusDetected     DeviceStatus = "detected"
	StatusConnecting   DeviceStatus = "connecting"
	StatusConnected    DeviceStatus = "connected"
	StatusFlashing     DeviceStatus = "flashing"
	StatusInferencing  DeviceStatus = "inferencing"
	StatusError        DeviceStatus = "error"
	StatusDisconnected DeviceStatus = "disconnected"
)

// FlashOptions 帶入 model metadata，供 driver 在 load model 時傳給硬體 bridge。
//
// 為什麼用 struct 而不是多帶兩個參數：載入模型需要的 metadata 之後還會長
// （如前處理色彩格式、top-K），用 struct 之後新增欄位不必再改 interface 簽章
// 與所有 test fake。
//
// 兩個欄位都是 optional —— 空值代表「未指定」，bridge 端會 fallback 到既有的
// model id / 檔名 heuristics（維持既有 detection 行為不變）。
type FlashOptions struct {
	// TaskType 為 models.json 宣告的推論類型（"classification" /
	// "object_detection"）。bridge 端有指定就不再用檔名猜測。
	TaskType string
	// Labels 是 class index → 顯示名稱的對應表，純顯示層用途、非推論必要輸入。
	// 沒帶時 classification 輸出原始 enum（class_N）、detection 沿用 COCO。
	Labels []string
	// InputWidth / InputHeight 是 models.json / metadata.json 宣告的模型輸入
	// 尺寸。
	//
	// ⚠️ 這是**最後手段**，不是可信來源：bridge 端會優先向 SDK 問模型自己
	// 宣告的 input tensor shape，只有 SDK 沒回報時才用這組值。原因是這裡的
	// 數字是人在上傳表單填的，實際案例是使用者填了 640x640 但模型根本不是
	// 那個尺寸 —— 尺寸錯了 NPU 不會報錯，只會安靜地給出錯的推論結果。
	//
	// 零值 = 未宣告，bridge 端會忽略並往下 fallback。
	InputWidth  int
	InputHeight int
}

// InferenceOptions 是推論期可即時調整的解析設定。
//
// 與 FlashOptions 的分工：FlashOptions 在「把 model 載進裝置」時一次性帶入；
// InferenceOptions 則是在**同一個已載入的 model 上**改變輸出的解讀方式，
// 不需要重燒（KL520 重燒要數十秒）。
//
// 兩個欄位的零值語意刻意不同，因為要能表達「不動」與「清空」兩種意圖：
//
//	TaskType == ""      → 不改變當前解析方式
//	Labels   == nil     → 不改變當前 label 表
//	Labels   == []string{} → 清空 label 表，回到原始 enum（class_N）
//
// ⚠️ 因此 Labels 的判斷必須用 `!= nil` 而非 `len() > 0` —— 用長度判斷會讓
// 「清空」這個合法意圖永遠送不出去。
type InferenceOptions struct {
	TaskType string
	Labels   []string
}

type FlashProgress struct {
	Percent int    `json:"percent"`
	Stage   string `json:"stage"`
	Message string `json:"message,omitempty"`
	Error   string `json:"error,omitempty"`
}

type InferenceResult struct {
	DeviceID        string            `json:"deviceId,omitempty"`
	ModelID         string            `json:"modelId,omitempty"`
	TaskType        string            `json:"taskType"`
	Timestamp       int64             `json:"timestamp"`
	LatencyMs       float64           `json:"latencyMs"`
	Classifications []ClassResult     `json:"classifications,omitempty"`
	Detections      []DetectionResult `json:"detections,omitempty"`

	// Batch image fields (omitted for single-image/camera/video modes)
	ImageIndex  int    `json:"imageIndex,omitempty"`
	TotalImages int    `json:"totalImages,omitempty"`
	Filename    string `json:"filename,omitempty"`

	// Video progress fields (omitted for non-video modes)
	FrameIndex  int `json:"frameIndex,omitempty"`
	TotalFrames int `json:"totalFrames,omitempty"`
}

type ClassResult struct {
	Label      string  `json:"label"`
	Confidence float64 `json:"confidence"`
	// ClassIndex 是模型輸出的原始類別索引，供前端在 label 缺漏時 fallback 顯示。
	// 刻意不加 omitempty —— index 0 是合法類別，omitempty 會把它吃掉。
	ClassIndex int `json:"classIndex"`
}

type DetectionResult struct {
	Label      string  `json:"label"`
	Confidence float64 `json:"confidence"`
	BBox       BBox    `json:"bbox"`
}

type BBox struct {
	X      float64 `json:"x"`
	Y      float64 `json:"y"`
	Width  float64 `json:"width"`
	Height float64 `json:"height"`
}

type ModelInfo struct {
	ID       string    `json:"id"`
	Name     string    `json:"name"`
	LoadedAt time.Time `json:"loadedAt"`
}