Update app.py

app.py

@@ -38,8 +38,8 @@ X_train, X_test, y_train, y_test = train_test_split(X, y_encoded, test_size=0.3,
 model = lgb.LGBMClassifier()
 model.fit(X_train, y_train)
 
-def predict_crop(ਨਾਈਟ੍ਰੋਜਨ (kg/ha),ਫਾਸਫੋਰਸ (kg/ha),ਪੋਟਾਸ਼ੀਅਮ (kg/ha),ਤਾਪਮਾਨ (°C),ਨਮੀ (%),ਮਿੱਟੀ ਦਾ pH,ਵਰਖਾ (mm)):
-    input_data = np.array([[ਨਾਈਟ੍ਰੋਜਨ (kg/ha),ਫਾਸਫੋਰਸ (kg/ha),ਪੋਟਾਸ਼ੀਅਮ (kg/ha),ਤਾਪਮਾਨ (°C),ਨਮੀ (%),ਮਿੱਟੀ ਦਾ pH,ਵਰਖਾ (mm)]])
+def predict_crop(ਨਾਈਟ੍ਰੋਜਨ, ਫਾਸਫੋਰਸ, ਪੋਟਾਸ਼ੀਅਮ, ਤਾਪਮਾਨ, ਨਮੀ, ਮਿੱਟੀ_pH, ਵਰਖਾ):
+    input_data = np.array([[ਨਾਈਟ੍ਰੋਜਨ, ਫਾਸਫੋਰਸ, ਪੋਟਾਸ਼ੀਅਮ, ਤਾਪਮਾਨ, ਨਮੀ, ਮਿੱਟੀ_pH, ਵਰਖਾ]])
     pred = model.predict(input_data)[0]
     crop_name = le.inverse_transform([pred])[0]
     return f"🌾ਤੁਹਾਡੇ ਖੇਤ ਲਈ ਸੁਝਾਈ ਗਈ ਫਸਲ:  *{crop_name}*"
@@ -119,15 +119,10 @@ def transcribe_audio(audio_path):
 def get_gemini_response(query):
     try:
         response = gemini_model.generate_content(f"ਪੰਜਾਬੀ ਵਿੱਚ ਜਵਾਬ ਦਿਓ: {query}")
-        
-        # Clean the response: remove asterisks (*) used for formatting
-        cleaned_response = response.text.replace('*', '')
-        
-        return cleaned_response
+        return response.text
     except Exception as e:
         return f"❌ Gemini ਤਰਫੋਂ ਗਲਤੀ: {str(e)}"
 
-
 def text_to_speech(text, lang='pa'):
     tts = gTTS(text=text, lang=lang)
     temp_file = tempfile.NamedTemporaryFile(delete=False, suffix=".mp3")
@@ -192,18 +187,18 @@ with gr.Blocks() as demo:
     with gr.Tabs():
         with gr.TabItem("🌾ਕਿਹੜੀ ਫਸਲ ਲਾਈਏ? "):
             with gr.Row():
-                ਨਾਈਟ੍ਰੋਜਨ (kg/ha) = gr.Slider(0, 140, step=1, label="ਨਾਈਟ੍ਰੋਜਨ (kg/ha)")
-                ਫਾਸਫੋਰਸ (kg/ha)= gr.Slider(5, 95, step=1, label="ਫਾਸਫੋਰਸ (kg/ha)")
-                ਪੋਟਾਸ਼ੀਅਮ (kg/ha)= gr.Slider(5, 82, step=1, label="ਪੋਟਾਸ਼ੀਅਮ (kg/ha)")
+                ਨਾਈਟ੍ਰੋਜਨ= gr.Slider(0, 140, step=1, label="ਨਾਈਟ੍ਰੋਜਨ (kg/ha)")
+                ਫਾਸਫੋਰਸ= gr.Slider(5, 95, step=1, label="ਫਾਸਫੋਰਸ (kg/ha)")
+                ਪੋਟਾਸ਼ੀਅਮ= gr.Slider(5, 82, step=1, label="ਪੋਟਾਸ਼ੀਅਮ (kg/ha)")
             with gr.Row():
-                ਤਾਪਮਾਨ (°C)= gr.Slider(15.63, 36.32, step=0.1, label="ਤਾਪਮਾਨ (°C)")
-                ਨਮੀ (%)= gr.Slider(14.2,99.98 , step=1, label="ਨਮੀ (%)")
+                ਤਾਪਮਾਨ= gr.Slider(15.63, 36.32, step=0.1, label="ਤਾਪਮਾਨ (°C)")
+                ਨਮੀ= gr.Slider(14.2,99.98 , step=1, label="ਨਮੀ (%)")
             with gr.Row():
-                ਮਿੱਟੀ ਦਾ pH = gr.Slider(0, 14, step=0.1, label="ਮਿੱਟੀ ਦਾ pH")
-                ਵਰਖਾ (mm)= gr.Slider(20.21, 253.72, step=1, label="ਵਰਖਾ (mm)")
+                ਮਿੱਟੀ_pH= gr.Slider(0, 14, step=0.1, label="ਮਿੱਟੀ ਦਾ pH")
+                ਵਰਖਾ= gr.Slider(20.21, 253.72, step=1, label="ਵਰਖਾ (mm)")
             predict_btn = gr.Button("ਫਸਲ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰੋ")
             crop_output = gr.Markdown()
-            predict_btn.click(predict_crop, inputs=[ਨਾਈਟ੍ਰੋਜਨ (kg/ha),ਫਾਸਫੋਰਸ (kg/ha),ਪੋਟਾਸ਼ੀਅਮ (kg/ha),ਤਾਪਮਾਨ (°C),ਨਮੀ (%),ਮਿੱਟੀ ਦਾ pH,ਵਰਖਾ (mm)], outputs=crop_output)
+            predict_btn.click(predict_crop, inputs=[ਨਾਈਟ੍ਰੋਜਨ,ਫਾਸਫੋਰਸ,ਪੋਟਾਸ਼ੀਅਮ,ਤਾਪਮਾਨ,ਨਮੀ,ਮਿੱਟੀ_pH,ਵਰਖਾ], outputs=crop_output)
             
         with gr.TabItem("🔁 ਫਸਲ ਤੋਂ ਪੈਰਾਮੀਟਰ"):
             crop_input = gr.Dropdown(choices=crops, label="🌿 ਫਸਲ ਦਾ ਨਾਂ ਲਿਖੋ")