Tentando resolver problema de output

main.py

@@ -7,6 +7,14 @@ from fastapi import FastAPI, File, UploadFile, Depends, HTTPException, status
 from fastapi.security import HTTPBearer, HTTPAuthorizationCredentials
 from feature_extractor_single import process_single_image
 from datetime import datetime
+import unicodedata
+
+def normalize_string(s: str) -> str:
+    """
+    Remove inconsistências de Unicode (NFC vs NFD) e espaços extras.
+    Transforma 'Vírus' (2 chars) em 'Vírus' (1 char) e remove espaços nas pontas.
+    """
+    return unicodedata.normalize('NFC', s).strip()
 
 #1. CONFIGURAÇÃO DA APLICAÇÃO E AUTENTICAÇÃO
 app = FastAPI(title="SojaClassifierAPI")
@@ -47,11 +55,15 @@ except FileNotFoundError:
 print("Carregando banco de dados de informações (doencas.json)...")
 try:
     with open('doencas.json', 'r', encoding='utf-8') as f:
-        DB_INFO = json.load(f)  #Carrega o JSON para a memória
-    print("Banco de dados de informações carregado.")
+        raw_db = json.load(f)
+        #Cria um novo dicionário com as chaves limpas
+        DB_INFO = {normalize_string(k): v for k, v in raw_db.items()}
+    print(f"Banco de dados carregado. {len(DB_INFO)} doenças indexadas.")
+    #DEBUG: Mostra como as chaves ficaram na memória do servidor
+    print(f"Chaves normalizadas: {list(DB_INFO.keys())}")
 except FileNotFoundError:
     print("ERRO: 'doencas.json' não encontrado.")
-    DB_INFO = {} #Inicia vazio para a API não quebrar
+    DB_INFO = {}
 
 
 #3. ENDPOINTS DA API
@@ -94,14 +106,19 @@ async def classify_image(file: UploadFile = File(...), token: str = Depends(veri
         #Faz a predição
         pred_numerica = SVM.predict(nova_feature_umap)
         
-        #Converte a predição numérica (ex: 2) de volta para o nome da classe (ex: "Ferrugem")
-        classe_predita = ENCODER.inverse_transform(pred_numerica)[0]
+        #Converte a predição numérica de volta para o nome da classe
+        classe_predita_raw = ENCODER.inverse_transform(pred_numerica)[0]
+        
+        #NORMALIZA A STRING DO MODELO TAMBÉM
+        classe_predita = normalize_string(str(classe_predita_raw))
+
+        #DEBUG: o que exatamente o modelo cuspiu vs o que tem no banco
+        #repr() para ver se tem caracteres escondidos como \n ou \r
+        print(f"DEBUG CHAVES: Modelo='{repr(classe_predita)}'")
 
-        #BUSCA AS INFORMAÇÕES ADICIONAIS (json)
-        #Usa .get() para buscar a chave. Se não encontrar, retorna um 
-        #dicionário vazio ou uma mensagem de erro, com segurança
+        #BUSCA AS INFORMAÇÕES
         info_adicional = DB_INFO.get(classe_predita, {
-            "nome": classe_predita, #Fallback: se não achar no JSON, usa a chave feia
+            "nome": classe_predita, 
             "descricao": "Informações não disponíveis.",
             "sintomas": [],
             "tratamento": ""