Update app.py

app.py

@@ -29,7 +29,7 @@ transform = transforms.Compose([
 ])
 
 def classify_crop(crop_img):
-    """Classify a single rice grain"""
+    """ایک چاول کے دانے کو درجہ بند کریں"""
     image = transform(crop_img).unsqueeze(0).to(device)
     with torch.no_grad():
         output = resnet(image)
@@ -37,23 +37,19 @@ def classify_crop(crop_img):
     return class_labels[predicted.item()]
 
 def detect_and_classify(input_image):
-    """Process uploaded image"""
-    # Convert Gradio Image to OpenCV format
+    """تصویر پر کارروائی کریں اور ہر دانے کو شناخت کریں"""
     image = np.array(input_image)
     image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR)
-    
-    # YOLO Detection
+
     results = yolo_model(image)[0]
     boxes = results.boxes.xyxy.cpu().numpy()
-    
-    # Process each detection
+
     for box in boxes:
         x1, y1, x2, y2 = map(int, box[:4])
         crop = image[y1:y2, x1:x2]
         crop_pil = Image.fromarray(cv2.cvtColor(crop, cv2.COLOR_BGR2RGB))
         predicted_label = classify_crop(crop_pil)
 
-        # Draw bounding box and label
         cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
         cv2.putText(image, 
                    predicted_label, 
@@ -63,22 +59,22 @@ def detect_and_classify(input_image):
                    (36, 255, 12), 
                    2)
 
-    # Convert back to RGB for Gradio
     return Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))
 
-# Create Gradio interface
-with gr.Blocks(title="Rice Classification") as demo:
+# Gradio انٹرفیس بنائیں
+with gr.Blocks(title="چاول کی اقسام کی درجہ بندی") as demo:
     gr.Markdown("""
-    ## 🍚 Rice Variety Classifier
-    Upload an image containing rice grains. The system will detect and classify each grain.
+    ## 🍚 چاول کی اقسام کی شناخت کا نظام  
+    ایک تصویر اپ لوڈ کریں جس میں چاول کے دانے ہوں۔  
+    سسٹم ہر دانے کو شناخت اور درجہ بند کرے گا۔
     """)
     
     with gr.Row():
         with gr.Column():
-            image_input = gr.Image(type="pil", label="Upload Rice Image")
-            submit_btn = gr.Button("Analyze", variant="primary")
+            image_input = gr.Image(type="pil", label="چاول کی تصویر اپ لوڈ کریں")
+            submit_btn = gr.Button("تجزیہ شروع کریں", variant="primary")
         with gr.Column():
-            output_image = gr.Image(label="Detection Results", interactive=False)
+            output_image = gr.Image(label="نتائج", interactive=False)
     
     submit_btn.click(
         fn=detect_and_classify,
@@ -86,5 +82,5 @@ with gr.Blocks(title="Rice Classification") as demo:
         outputs=output_image
     )
 
-# Launch the app
-demo.launch()
+# ایپ لانچ کریں
+demo.launch()