Delete app.py

app.py

@@ -1,92 +0,0 @@
-import gradio as gr
-import pickle
-import numpy as np
-import pandas as pd
-import os
-from sklearn.preprocessing import OneHotEncoder 
-
-
-# 1. Chargement des Artefacts
-MODEL_FILE = "smartrack_health_alert_vet_model.pkl"
-ENCODER_FILE = "species_encoder_vet.pkl"
-
-# Assurez-vous que ces fichiers audio ont été générés en amont
-ALERT_AUDIO = "alert_high.mp3"
-OK_AUDIO = "alert_ok.mp3"
-
-try:
-    model = pickle.load(open(MODEL_FILE, "rb"))
-    encoder = pickle.load(open(ENCODER_FILE, "rb"))
-except Exception as e:
-    # Cas d'erreur pour le déploiement
-    print(f"Erreur de chargement des artefacts : {e}")
-    model = None
-
-classes = ['OK (Santé Normale)', 'ALERTE (Intervention Recommandée)']
-SPECIES_LIST = list(encoder.categories_[0])
-
-
-# 2. Fonction de Prédiction avec Output Audio
-def predict_health_alert_vocal(species, hr, spo2, temp, acc_mean, gyro_mean):
-    """ Prend les données et renvoie le texte d'alerte ET le fichier audio correspondant. """
-    
-    if model is None:
-        return "Erreur: Modèle non chargé.", None # Retourne le texte et l'audio (None)
-
-    input_data = pd.DataFrame({
-        'hr': [hr], 'spo2': [spo2], 'temp': [temp], 
-        'acc_mean': [acc_mean], 'gyro_mean': [gyro_mean], 
-        'species': [species]
-    })
-    
-    numerical_features = input_data.drop('species', axis=1)
-    species_encoded = encoder.transform(input_data[['species']])
-    species_df = pd.DataFrame(species_encoded, columns=encoder.get_feature_names_out(['species']))
-
-    X_final = pd.concat([numerical_features, species_df], axis=1)
-
-    prediction = model.predict(X_final)[0]
-    probas = model.predict_proba(X_final)[0]
-    predicted_class = classes[prediction]
-    
-    # Choix du fichier audio et du message
-    if prediction == 1:
-        audio_path = ALERT_AUDIO
-        alert_style = "🚨 **ALERTE: Problème de Santé Détecté** 🚨"
-        action_message = "Veuillez vérifier immédiatement l'animal ou consulter un vétérinaire. Écoutez l'alerte vocale ci-dessous."
-    else:
-        audio_path = OK_AUDIO
-        alert_style = "✅ **Statut de Santé: OK**"
-        action_message = "Les signes vitaux sont dans la plage normale pour l'espèce. Écoutez le message de confirmation ci-dessous."
-
-    output_text = f"## {alert_style} \n\n"
-    output_text += f"**Espèce :** {species.capitalize()}\n"
-    output_text += f"**Statut Analysé :** **{predicted_class}**\n\n"
-    output_text += f"--- \n\n"
-    output_text += f"**Action Recommandée :** {action_message}\n\n"
-    output_text += f"*(Probabilité d'Alerte : {probas[1]*100:.2f}%)*"
-        
-    return output_text, audio_path # Retourne le texte ET le chemin du fichier audio
-
-
-# 3. Création de l'Interface Gradio (avec le composant Audio)
-iface = gr.Interface(
-    fn=predict_health_alert_vocal, # Nouvelle fonction
-    inputs=[
-        gr.Dropdown(choices=SPECIES_LIST, label="1. Espèce Animale", value="boeuf"),
-        gr.Slider(minimum=30, maximum=200, value=75, label="2. Rythme Cardiaque (BPM)"),
-        gr.Slider(minimum=80, maximum=100, value=96, label="3. Saturation O₂ (SpO2 %)"),
-        gr.Slider(minimum=35.0, maximum=42.0, value=38.0, label="4. Température Corporelle (°C)"),
-        gr.Slider(minimum=0.0, maximum=5.0, value=0.5, label="5. Mouvement (Accél. Moy.)"),
-        gr.Slider(minimum=0.0, maximum=5.0, value=1.5, label="6. Mouvement (Gyro. Moy.)"),
-    ],
-    outputs=[
-        gr.Markdown(label="Rapport Textuel d'Alerte"), # Premier output: Texte
-        gr.Audio(label="Alerte Vocale (Cliquez pour Écouter)"), # Deuxième output: Audio
-    ],
-    title="Système d'Alerte de Santé Vétérinaire SmarTrack (Vocal)",
-    description="Le modèle prédit l'état de santé et génère une alerte vocale immédiate pour le propriétaire.",
-)
-
-# if __name__ == "__main__":
-#     iface.launch()