Update app.py

app.py

@@ -624,305 +624,6 @@ def draw_arabic_boxes(img, regions):
         draw.text((x+5, y+2), txt, fill=(255,255,255), font=font)
     return img
 
-# ═══════════════════════════════════════════════════════════════
-# 🔬 Physics-Based Density Anomaly Detection (PBDAD)
-# كشف البضائع المخفية بالتحليل الفيزيائي — بدون تدريب
-# يعمل حتى لو المهرّب أخفى الأدوية بين بضائع أخرى
-# ═══════════════════════════════════════════════════════════════
-
-# البصمة الفيزيائية للأدوية البشرية (مستخرجة من 7 صور حقيقية)
-PHARMA_SIGNATURE = {
-    'mean_range': (90, 145),
-    'dark_ratio_range': (0.12, 0.50),
-    'entropy_range': (7.0, 7.7),
-    'std_range': (40, 70),
-}
-
-# بصمات بضائع معروفة (للمقارنة)
-MATERIAL_SIGNATURES = {
-    'pharmaceutical': {'mean': (90, 145), 'dark': (0.12, 0.50), 'entropy': (7.0, 7.7), 'label_ar': 'أدوية بشرية'},
-    'bags':           {'mean': (140, 180), 'dark': (0.01, 0.10), 'entropy': (6.5, 7.3), 'label_ar': 'حقائب'},
-    'metal':          {'mean': (40, 90),   'dark': (0.40, 0.80), 'entropy': (6.0, 7.0), 'label_ar': 'معادن'},
-    'food':           {'mean': (110, 160), 'dark': (0.05, 0.25), 'entropy': (6.8, 7.5), 'label_ar': 'مواد غذائية'},
-    'electronics':    {'mean': (100, 150), 'dark': (0.10, 0.35), 'entropy': (7.2, 7.8), 'label_ar': 'إلكترونيات'},
-    'empty':          {'mean': (170, 230), 'dark': (0.00, 0.05), 'entropy': (4.0, 6.5), 'label_ar': 'فارغ'},
-}
-
-
-def extract_region_physics(img_array, gray_region):
-    """استخراج الخصائص الفيزيائية لمنطقة واحدة"""
-    # إزالة الخلفية الزرقاء والأجزاء الداكنة جداً (الشاسي)
-    if len(img_array.shape) == 3:
-        blue_mask = (img_array[:,:,2] > 150) & (img_array[:,:,0] < 100) & (img_array[:,:,1] < 100)
-    else:
-        blue_mask = np.zeros(gray_region.shape, dtype=bool)
-    
-    dark_mask = gray_region < 15
-    cargo_mask = ~blue_mask & ~dark_mask
-    
-    if cargo_mask.sum() < 100:
-        return None
-    
-    cargo = gray_region[cargo_mask]
-    
-    # Entropy
-    hist, _ = np.histogram(cargo, bins=256, range=(0, 255), density=True)
-    hist = hist[hist > 0]
-    entropy = -np.sum(hist * np.log2(hist)) if len(hist) > 0 else 0
-    
-    # Texture (local variance)
-    block = 8
-    h, w = gray_region.shape
-    variances = []
-    for y in range(0, h - block, block):
-        for x in range(0, w - block, block):
-            b = gray_region[y:y+block, x:x+block]
-            if cargo_mask[y:y+block, x:x+block].sum() > block:
-                variances.append(b.var())
-    texture_var = np.mean(variances) if variances else 0
-    
-    # RGB means (if color)
-    r_mean, g_mean, b_mean = 0, 0, 0
-    if len(img_array.shape) == 3:
-        cargo_rgb = img_array[cargo_mask]
-        r_mean = cargo_rgb[:, 0].mean()
-        g_mean = cargo_rgb[:, 1].mean()
-        b_mean = cargo_rgb[:, 2].mean()
-    
-    return {
-        'mean': cargo.mean(),
-        'std': cargo.std(),
-        'median': np.median(cargo),
-        'dark_ratio': (cargo < 80).sum() / len(cargo),
-        'mid_ratio': ((cargo >= 80) & (cargo < 160)).sum() / len(cargo),
-        'bright_ratio': (cargo >= 160).sum() / len(cargo),
-        'entropy': entropy,
-        'texture_var': texture_var,
-        'r_mean': r_mean,
-        'g_mean': g_mean,
-        'b_mean': b_mean,
-        'pixel_count': len(cargo),
-    }
-
-
-def match_material_signature(physics):
-    """مطابقة الخصائص الفيزيائية مع بصمات المواد المعروفة"""
-    if physics is None:
-        return 'unknown', 0.0, 'غير محدد'
-    
-    scores = {}
-    for material, sig in MATERIAL_SIGNATURES.items():
-        score = 0
-        total = 0
-        
-        # Mean intensity match
-        if sig['mean'][0] <= physics['mean'] <= sig['mean'][1]:
-            score += 3
-        elif abs(physics['mean'] - np.mean(sig['mean'])) < 30:
-            score += 1
-        total += 3
-        
-        # Dark ratio match
-        if sig['dark'][0] <= physics['dark_ratio'] <= sig['dark'][1]:
-            score += 3
-        elif abs(physics['dark_ratio'] - np.mean(sig['dark'])) < 0.15:
-            score += 1
-        total += 3
-        
-        # Entropy match
-        if sig['entropy'][0] <= physics['entropy'] <= sig['entropy'][1]:
-            score += 2
-        total += 2
-        
-        scores[material] = score / total
-    
-    best = max(scores, key=scores.get)
-    return best, scores[best], MATERIAL_SIGNATURES[best]['label_ar']
-
-
-def physics_density_scan(img, n_regions=8):
-    """
-    🔬 المسح الفيزيائي الشامل — كشف البضائع المخفية
-    يقسم الحاوية لمناطق ويحلل كثافة كل منطقة
-    يكشف الاختلافات حتى لو المهرّب أخفى الأدوية بذكاء
-    """
-    if img is None:
-        return [], {}, None
-    
-    arr = np.array(img.convert('RGB'))
-    gray = np.dot(arr[...,:3], [0.299, 0.587, 0.114])
-    h, w = gray.shape
-    region_w = w // n_regions
-    
-    regions = []
-    pos_names_8 = ["مقدمة", "ربع-1", "ربع-2", "وسط-أ", "وسط-ب", "ربع-3", "ربع-4", "نهاية"]
-    pos_names_4 = ["المقدمة", "وسط-1", "وسط-2", "النهاية"]
-    pos_names = pos_names_8 if n_regions == 8 else (pos_names_4 if n_regions == 4 else [f"قسم-{i+1}" for i in range(n_regions)])
-    
-    for i in range(n_regions):
-        x1 = i * region_w
-        x2 = min(x1 + region_w, w)
-        
-        region_arr = arr[:, x1:x2, :]
-        region_gray = gray[:, x1:x2]
-        
-        physics = extract_region_physics(region_arr, region_gray)
-        if physics is None:
-            continue
-        
-        material, match_score, material_ar = match_material_signature(physics)
-        
-        regions.append({
-            'idx': i,
-            'position': pos_names[i] if i < len(pos_names) else f"قسم-{i+1}",
-            'bbox': (x1, 0, x2 - x1, h),
-            'physics': physics,
-            'material': material,
-            'material_ar': material_ar,
-            'match_score': match_score,
-        })
-    
-    # ═══ تحليل الاختلافات بين المناطق ═══
-    if len(regions) < 2:
-        return regions, {}, None
-    
-    means = [r['physics']['mean'] for r in regions]
-    darks = [r['physics']['dark_ratio'] for r in regions]
-    entropies = [r['physics']['entropy'] for r in regions]
-    
-    overall_mean = np.mean(means)
-    overall_dark = np.mean(darks)
-    mean_std = np.std(means)  # تباين الكثافة بين المناطق
-    dark_std = np.std(darks)
-    
-    # ✅ هل الحاوية متجانسة؟ (كثافة موحدة)
-    is_uniform = mean_std < 15 and dark_std < 0.08
-    
-    anomalies = {}
-    for r in regions:
-        p = r['physics']
-        mean_diff = abs(p['mean'] - overall_mean)
-        dark_diff = abs(p['dark_ratio'] - overall_dark)
-        
-        # ═══ قواعد الكشف — نسبية وليست مطلقة ═══
-        
-        # 1. فرق الكثافة عن المتوسط (نسبي لهذه الحاوية)
-        density_anomaly = mean_diff > max(25, mean_std * 1.5)
-        
-        # 2. فرق البكسلات الداكنة (نسبي)
-        dark_anomaly = dark_diff > max(0.12, dark_std * 1.5)
-        
-        # 3. مطابقة بصمة الأدوية — فقط إذا المنطقة مختلفة عن الباقي!
-        # ✅ FIX: لا تحكم "أدوية" إذا كل الحاوية متشابهة
-        pharma_range_match = (
-            PHARMA_SIGNATURE['mean_range'][0] <= p['mean'] <= PHARMA_SIGNATURE['mean_range'][1] and
-            PHARMA_SIGNATURE['dark_ratio_range'][0] <= p['dark_ratio'] <= PHARMA_SIGNATURE['dark_ratio_range'][1] and
-            PHARMA_SIGNATURE['entropy_range'][0] <= p['entropy'] <= PHARMA_SIGNATURE['entropy_range'][1]
-        )
-        # بصمة الأدوية = مطابقة النطاق + اختلاف عن بقية الحاوية
-        is_pharma_match = pharma_range_match and (density_anomaly or dark_anomaly) and not is_uniform
-        
-        # النتيجة المركّبة
-        score = 0
-        reasons = []
-        if density_anomaly:
-            score += 35
-            reasons.append(f"كثافة مختلفة ({mean_diff:.0f})")
-        if dark_anomaly:
-            score += 30
-            reasons.append(f"بكسلات داكنة مختلفة ({dark_diff:.1%})")
-        if is_pharma_match:
-            score += 35
-            reasons.append("مطابقة بصمة أدوية!")
-        
-        r['anomaly_score'] = min(score, 100)
-        r['is_anomaly'] = score >= 50
-        r['is_pharma_suspect'] = is_pharma_match
-        r['reasons'] = reasons
-        r['density_diff'] = mean_diff
-        
-        if r['is_anomaly']:
-            anomalies[r['idx']] = r
-    
-    # ═══ التقرير الشامل ═══
-    materials_found = list(set(r['material'] for r in regions))
-    has_mixed = len(materials_found) > 1
-    pharma_suspects = [r for r in regions if r.get('is_pharma_suspect', False)]
-    
-    summary = {
-        'n_regions': len(regions),
-        'materials_found': materials_found,
-        'has_mixed_cargo': has_mixed,
-        'is_uniform': is_uniform,
-        'density_variation': mean_std,
-        'n_anomalies': len(anomalies),
-        'pharma_suspects': len(pharma_suspects),
-        'overall_mean': overall_mean,
-        'overall_dark': overall_dark,
-        'max_density_diff': max(r['density_diff'] for r in regions) if regions else 0,
-        'risk_level': 'critical' if pharma_suspects else ('high' if len(anomalies) > 2 else ('medium' if anomalies else 'low')),
-    }
-    
-    # ═══ رسم خريطة الكثافة على الصورة ═══
-    annotated = img.copy()
-    draw = ImageDraw.Draw(annotated)
-    try:
-        font = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans-Bold.ttf", 14)
-        font_sm = ImageFont.truetype("/usr/share/fonts/truetype/dejavu/DejaVuSans.ttf", 11)
-    except:
-        font = ImageFont.load_default()
-        font_sm = font
-    
-    for r in regions:
-        x, y, rw, rh = r['bbox']
-        
-        if r.get('is_pharma_suspect'):
-            color = (220, 20, 20)     # أحمر — أدوية مشتبهة
-            border = 5
-        elif r.get('is_anomaly'):
-            color = (255, 140, 0)     # برتقالي — مشبوه
-            border = 4
-        else:
-            color = (0, 180, 0)       # أخضر — طبيعي
-            border = 2
-        
-        for t in range(border):
-            draw.rectangle([x+t, y+t, x+rw-t, y+rh-t], outline=color)
-        
-        # Label
-        label = f"{r['position']}: {r['material_ar']}"
-        lw = len(label) * 7 + 10
-        draw.rectangle([x, y, x+lw, y+20], fill=color)
-        draw.text((x+4, y+2), label, fill=(255,255,255), font=font_sm)
-        
-        # Score
-        score_txt = f"{r['anomaly_score']}%"
-        draw.rectangle([x, y+20, x+50, y+36], fill=color)
-        draw.text((x+4, y+22), score_txt, fill=(255,255,255), font=font_sm)
-        
-        # Pharma alert
-        if r.get('is_pharma_suspect'):
-            alert_y = y + rh - 30
-            draw.rectangle([x, alert_y, x+rw, alert_y+28], fill=(220, 20, 20))
-            draw.text((x+4, alert_y+4), "PHARMA SUSPECT!", fill=(255,255,0), font=font)
-    
-    # Top banner
-    if pharma_suspects:
-        banner_color = (180, 0, 0)
-        banner_text = f"ALERT: {len(pharma_suspects)} regions match pharmaceutical signature!"
-    elif anomalies:
-        banner_color = (200, 100, 0)
-        banner_text = f"WARNING: {len(anomalies)} anomalous regions detected"
-    else:
-        banner_color = (0, 130, 0)
-        banner_text = "CLEAR: Uniform density across container"
-    
-    draw.rectangle([0, 0, w, 24], fill=banner_color)
-    draw.text((10, 3), banner_text, fill=(255, 255, 255), font=font)
-    
-    return regions, summary, annotated
-
-
 # ═══════════════════════════════════════════════════════════════
 # 🆕 Region Classification — تقسيم الحاوية وتصنيف كل جزء
 # ═══════════════════════════════════════════════════════════════
@@ -1231,11 +932,6 @@ def analyze_image(img, declared_text):
     has_multi_cargo = len(region_categories) > 1
     region_img = draw_region_boxes(img.copy(), region_results) if region_results else None
 
-    # 🔬 Physics-Based Density Anomaly Detection (PBDAD)
-    physics_regions, physics_summary, physics_img = physics_density_scan(img, n_regions=8)
-    pharma_suspects = [r for r in physics_regions if r.get('is_pharma_suspect', False)]
-    physics_anomalies = [r for r in physics_regions if r.get('is_anomaly', False)]
-
     # ═══ Anomaly Detection ═══
     full_feat = extract_features_from_image(img)
     full_anom_score, full_is_anom, full_anom_det = check_anomaly(full_feat)
@@ -1458,77 +1154,6 @@ def analyze_image(img, declared_text):
         
         region_html += "</table></div>"
 
-    # 🔬 عرض نتائج التحليل الفيزيائي (PBDAD)
-    physics_html = ""
-    if physics_regions:
-        p_risk = physics_summary.get('risk_level', 'low')
-        p_risk_cfg = {
-            'low':      ('✅ طبيعي — كثافة موحدة', '#2E7D32', '#E8F5E9'),
-            'medium':   ('⚠️ يوجد اختلاف في الكثافة', '#EF6C00', '#FFF3E0'),
-            'high':     ('🔴 مناطق مشبوهة — كثافة غير متجانسة', '#C62828', '#FFEBEE'),
-            'critical': ('⛔ تنبيه: مطابقة بصمة أدوية بشرية!', '#B71C1C', '#FFCDD2'),
-        }
-        p_text, p_color, p_bg = p_risk_cfg.get(p_risk, p_risk_cfg['low'])
-        
-        physics_html = f"<div style='margin-top:8px;background:{p_bg};padding:12px;border-radius:10px;border:2px solid {p_color};'>"
-        physics_html += f"<div style='background:{p_color};color:white;padding:8px 12px;border-radius:8px;text-align:center;font-weight:bold;margin-bottom:8px;font-size:13px;'>🔬 التحليل الفيزيائي للكثافة (PBDAD) — {p_text}</div>"
-        
-        # ملخص أرقام
-        is_uniform = physics_summary.get('is_uniform', False)
-        density_var = physics_summary.get('density_variation', 0)
-        uniform_txt = "✅ متجانسة" if is_uniform else "⚠️ غير متجانسة"
-        uniform_clr = "#2E7D32" if is_uniform else "#E65100"
-        
-        physics_html += f"<div style='display:flex;gap:6px;margin-bottom:8px;flex-wrap:wrap;justify-content:center;'>"
-        physics_html += f"<div style='background:white;padding:6px 12px;border-radius:8px;border:1px solid #ddd;text-align:center;'><div style='font-size:18px;font-weight:bold;color:#1565C0;'>{physics_summary.get('n_regions',0)}</div><div style='font-size:10px;color:#777;'>مناطق</div></div>"
-        physics_html += f"<div style='background:white;padding:6px 12px;border-radius:8px;border:1px solid {uniform_clr};text-align:center;'><div style='font-size:14px;font-weight:bold;color:{uniform_clr};'>{uniform_txt}</div><div style='font-size:10px;color:#777;'>تباين: {density_var:.1f}</div></div>"
-        physics_html += f"<div style='background:white;padding:6px 12px;border-radius:8px;border:1px solid #ddd;text-align:center;'><div style='font-size:18px;font-weight:bold;color:#E65100;'>{len(physics_anomalies)}</div><div style='font-size:10px;color:#777;'>مشبوهة</div></div>"
-        physics_html += f"<div style='background:white;padding:6px 12px;border-radius:8px;border:1px solid #ddd;text-align:center;'><div style='font-size:18px;font-weight:bold;color:#C62828;'>{len(pharma_suspects)}</div><div style='font-size:10px;color:#777;'>بصمة أدوية</div></div>"
-        physics_html += f"<div style='background:white;padding:6px 12px;border-radius:8px;border:1px solid #ddd;text-align:center;'><div style='font-size:18px;font-weight:bold;color:#6A1B9A;'>{physics_summary.get('max_density_diff',0):.0f}</div><div style='font-size:10px;color:#777;'>فرق كثافة</div></div>"
-        physics_html += "</div>"
-        
-        # جدول المناطق
-        physics_html += "<table style='width:100%;border-collapse:collapse;font-size:11px;'>"
-        physics_html += "<tr style='background:#37474F;color:white;'><th style='padding:5px;'>المنطقة</th><th style='padding:5px;'>المادة المحتملة</th><th style='padding:5px;'>الكثافة</th><th style='padding:5px;'>الداكن%</th><th style='padding:5px;'>Entropy</th><th style='padding:5px;'>النتيجة</th></tr>"
-        
-        for r in physics_regions:
-            p = r['physics']
-            is_pharma = r.get('is_pharma_suspect', False)
-            is_anom = r.get('is_anomaly', False)
-            
-            if is_pharma:
-                row_bg = "#FFCDD2"
-                status = f"⛔ {r['anomaly_score']}%"
-            elif is_anom:
-                row_bg = "#FFF3E0"
-                status = f"⚠️ {r['anomaly_score']}%"
-            else:
-                row_bg = "#E8F5E9"
-                status = f"✅ {r['anomaly_score']}%"
-            
-            physics_html += f"<tr style='background:{row_bg};border-bottom:1px solid #ddd;'>"
-            physics_html += f"<td style='padding:4px 6px;font-weight:bold;'>📍 {r['position']}</td>"
-            physics_html += f"<td style='padding:4px;color:{'#C62828' if is_pharma else '#333'};font-weight:{'bold' if is_pharma else 'normal'};'>{r['material_ar']}{' ⛔' if is_pharma else ''}</td>"
-            physics_html += f"<td style='padding:4px;text-align:center;font-family:monospace;'>{p['mean']:.0f}</td>"
-            physics_html += f"<td style='padding:4px;text-align:center;'>{p['dark_ratio']:.0%}</td>"
-            physics_html += f"<td style='padding:4px;text-align:center;'>{p['entropy']:.1f}</td>"
-            physics_html += f"<td style='padding:4px;text-align:center;font-weight:bold;'>{status}</td>"
-            physics_html += "</tr>"
-        
-        physics_html += "</table>"
-        
-        # تفاصيل المناطق المشبوهة
-        if pharma_suspects or physics_anomalies:
-            physics_html += f"<div style='margin-top:6px;padding:8px;background:white;border-radius:8px;border:1px solid {p_color};'>"
-            physics_html += f"<div style='font-weight:bold;color:{p_color};margin-bottom:4px;font-size:12px;'>📋 تفاصيل الاشتباه:</div>"
-            for r in (pharma_suspects + [a for a in physics_anomalies if a not in pharma_suspects]):
-                reasons_txt = " | ".join(r.get('reasons', []))
-                icon = "⛔" if r.get('is_pharma_suspect') else "⚠️"
-                physics_html += f"<div style='font-size:11px;padding:2px 0;color:#333;'>{icon} <b>{r['position']}</b>: {reasons_txt}</div>"
-            physics_html += "</div>"
-        
-        physics_html += "</div>"
-
     det_html = ""
     if detections:
         det_html = "<div style='margin-top:6px;display:flex;gap:6px;flex-wrap:wrap;'>"
@@ -1568,7 +1193,6 @@ def analyze_image(img, declared_text):
       {model_html}
       {ai_models_html}
       {region_html}
-      {physics_html}
       {det_html}
       {anomaly_html}
       <div style='background:#fff;padding:14px;border-radius:10px;border:1px solid #e0e0e0;margin-top:8px;margin-bottom:8px;'>
@@ -1580,17 +1204,13 @@ def analyze_image(img, declared_text):
         <div style='background:#FFF8E1;padding:8px 12px;border-radius:8px;font-size:13px;color:#333;'>{ar_desc}</div>
       </div>
     </div>"""
-    # ✅ اختيار الصورة المخرجة — الأولوية: أدوية > مناطق > anomaly > detection
-    if pharma_suspects and physics_img:
-        output_img = physics_img  # ⛔ أعلى أولوية: كشف أدوية
-    elif physics_anomalies and physics_img:
-        output_img = physics_img  # 🔬 تحليل فيزيائي مشبوه
-    elif has_multi_cargo and region_img:
-        output_img = region_img
+    # ✅ اختيار الصورة المخرجة — الأولوية: مناطق > anomaly > detection
+    if has_multi_cargo and region_img:
+        output_img = region_img  # ✅ عرض مربعات الأصناف المتعددة
     elif (suspicious or full_is_anom) and anomaly_img:
         output_img = anomaly_img
     elif region_img:
-        output_img = region_img
+        output_img = region_img  # عرض مربعات المناطق حتى لو صنف واحد
     else:
         output_img = annotated_img
     return html, df, output_img
@@ -1850,7 +1470,7 @@ with gr.Blocks(title=f"SONAR-AI v{VERSION}") as app:
                 d_refresh.click(refresh_dashboard, outputs=[d_stats, d_tbl])
 
             with gr.Tab("🔬 تحليل الصور"):
-                gr.HTML("<div style='background:#E3F2FD;padding:10px 14px;border-radius:10px;margin-bottom:8px;border-right:4px solid #1565C0;'><b style='color:#1565C0;'>📷 Classification + Detection + Physics Density Analysis + HS Codes</b></div>")
+                gr.HTML("<div style='background:#E3F2FD;padding:10px 14px;border-radius:10px;margin-bottom:8px;border-right:4px solid #1565C0;'><b style='color:#1565C0;'>📷 Classification + Detection + HS Codes</b></div>")
                 with gr.Row():
                     with gr.Column(scale=1):
                         a_img = gr.Image(label="📷 صورة الأشعة", type="pil", height=200)
@@ -1875,13 +1495,11 @@ with gr.Blocks(title=f"SONAR-AI v{VERSION}") as app:
                             btn_contrast = gr.Button("🔆", elem_id="btn_contrast", size="sm", min_width=30)
                             btn_bright = gr.Button("☀", elem_id="btn_bright", size="sm", min_width=30)
                         a_dec = gr.Textbox(label="📋 البضاعة المصرّح بها", placeholder="SHOES + FABRIC + ...", lines=1)
+                        a_btn = gr.Button("🔍 تحليل شامل", variant="primary", size="lg")
                     with gr.Column(scale=1):
-                        a_det = gr.Image(label="📍 التحليل الفيزيائي / Detection", type="pil", height=250)
-                # ✅ زر التحليل بعرض كامل
-                a_btn = gr.Button("🔍 تحليل شامل — Classification + Detection + Physics Density", variant="primary", size="lg")
-                # ✅ النتائج أسفل الزر بعرض كامل
-                a_res = gr.HTML("<div style='text-align:center;padding:30px;color:#999;direction:rtl;'>📷 ارفع صورة للبدء</div>")
-                a_tbl = gr.Dataframe(label="📋 الأصناف + HS + الرسوم", value=pd.DataFrame(), wrap=True)
+                        a_res = gr.HTML("<div style='text-align:center;padding:30px;color:#999;direction:rtl;'>📷 ارفع صورة للبدء</div>")
+                a_det = gr.Image(label="📍 Detection / Anomaly", type="pil", height=200)
+                a_tbl = gr.Dataframe(label="📋 الأصناف + HS", value=pd.DataFrame(), wrap=True)
                 a_btn.click(analyze_image, inputs=[a_img, a_dec], outputs=[a_res, a_tbl, a_det], api_name="analyze")
                 btn_gray.click(apply_grayscale, inputs=[a_img], outputs=[a_img])
                 btn_inv.click(apply_invert, inputs=[a_img], outputs=[a_img])