Upload untitled33.py

!pip install roboflow

from roboflow import Roboflow

rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
workspace = rf.workspace("yomnasoror") # اسم الـ workspace بتاعك

print("📂 Available Projects:")
for p in workspace.projects():
print("-", p)

from roboflow import Roboflow

print("loading Roboflow workspace...")
rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")

print("loading Roboflow project...")
project = rf.workspace("yomnasoror").project("medical-waste") # الاسم لازم يكون lowercase بدون مسافات

model = project.version(1).model
print("✅ Model loaded successfully!")

import os
print(os.listdir())

import gradio as gr
from roboflow import Roboflow

# تحميل الموديل
rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
project = rf.workspace("yomnasoror").project("medical-waste")
model = project.version(1).model

# دالة التنبؤ
def predict_image(image):
pred = model.predict(image.name).json()
return str(pred)

# إنشاء واجهة Gradio
iface = gr.Interface(fn=predict_image, inputs="file", outputs="text")
iface.launch(share=True)



!pip install pyngrok flask

from pyngrok import ngrok

# 🔐 أضيفي التوكِن بتاعك هنا
ngrok.set_auth_token("3459NDFoZcow9VdVbCd6WF7Mjsq_5uLRwTaSyR4s4HeXk2Cq3")

from flask import Flask
app = Flask(__name__)

@app .route("/")
def home():
return "🚀 Flask API is running!"

# شغّلي السيرفر على بورت محدد
from threading import Thread
def run():
app.run(port=5000)

t = Thread(target=run)
t.start()

# افتحي tunnel ngrok
public_url = ngrok.connect(5000)
print("🔥 Public URL:", public_url)



!pip install flask ngrok

from flask import Flask, request, jsonify
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing import image
import numpy as np
from PIL import Image
import io

app = Flask(__name__)

# ✅ تحميل الموديل
model = load_model("model.h5")
class_names = ['infectious', 'sharp', 'general']

@app .route('/predict', methods=['POST'])
def predict():
if 'file' not in request.files:
return jsonify({'error': 'No file provided'}), 400

file = request.files['file']
img = Image.open(io.BytesIO(file.read())).resize((224, 224))
img_array = np.expand_dims(np.array(img) / 255.0, axis=0)

preds = model.predict(img_array)
pred_class = class_names[np.argmax(preds)]

return jsonify({
'prediction': pred_class,
'confidence': float(np.max(preds))
})



!pip install flask pyngrok roboflow

import requests

# 🔸 رابط الـAPI اللي ظهرلك من ngrok
API_URL = "https://limbed-occupationless-kaitlynn.ngrok-free.dev" # ← غيّريه بالرابط اللي طلعلك

# 🔸 مسار الصورة اللي عايزة تجربيها
image_path = "/content/Sryngis34_JPG.rf.451be7985f401d1c4c8f170541813990.jpg" # أو ارفعي صورة بنفس الاسم في كولاب

# 🔸 إرسال الصورة للـAPI
with open("/content/Sryngis34_JPG.rf.451be7985f401d1c4c8f170541813990.jpg", "rb") as img:
files = {"image": img}
response = requests.post(API_URL + "/predict", files=files)

# 🔸 عرض النتيجة
print(response.json())

from flask import Flask, request, jsonify
from roboflow import Roboflow
from pyngrok import ngrok
from threading import Thread

# 🔹 تحميل الموديل من Roboflow
print("Loading Roboflow model...")
rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
project = rf.workspace("yomnasoror").project("medical-waste")
model = project.version(1).model
print("✅ Model loaded successfully!")

# 🔹 إنشاء تطبيق Flask
app = Flask(__name__)

@app .route("/", methods=["GET"])
def home():
return "✅ Medical Waste Classification API is running!"

@app .route("/predict", methods=["POST"])
def predict():
if "image" not in request.files:
return jsonify({"error": "No image uploaded"}), 400
image = request.files["image"]
result = model.predict(image).json()
return jsonify(result)

# 🔹 استخدمي منفذ جديد
port = 5001 # غيري عن 5000
public_url = ngrok.connect(port).public_url
print(f"🚀 Public API URL: {public_url}")

# Run the Flask app in a separate thread
def run_flask_app():
app.run(port=port, debug=True, use_reloader=False)

flask_thread = Thread(target=run_flask_app)
flask_thread.start()

import gradio as gr
import requests

# رابط الـAPI اللي عملتيه
API_URL = "https://xxxxxx.ngrok-free.app/predict" # غيّريه بالرابط بتاعك

# دالة ترسل الصورة إلى الـAPI وترجع النتيجة
def predict_via_api(image):
files = {"image": image}
response = requests.post(API_URL, files=files)
result = response.json()

try:
pred = result["predictions"][0]
label = pred["class"]
conf = pred["confidence"]
return f"🧠 النوع: {label}\n📊 الدقة: {conf:.2f}"
except Exception:
return "⚠️ خطأ أثناء تحليل الصورة!"

# إنشاء واجهة Gradio
iface = gr.Interface(
fn=predict_via_api,
inputs=gr.Image(type="filepath", label="📸 ارفع صورة المخلفات الطبية"),
outputs="text",
title="BioTrack AI - Medical Waste Classifier",
description="ارفع صورة، وسيقوم الذكاء الاصطناعي بالتعرف على نوع المخلفات الطبية 🔬"
)

iface.launch(share=True)

untitled33.py

@@ -0,0 +1,203 @@
+# -*- coding: utf-8 -*-
+"""Untitled33.ipynb
+
+Automatically generated by Colab.
+
+Original file is located at
+    https://colab.research.google.com/drive/1p2JWKpjv7_CT2FJ5sbbsq9ZtYVSzY5WS
+"""
+
+!pip install roboflow
+
+from roboflow import Roboflow
+
+rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
+workspace = rf.workspace("yomnasoror")  # اسم الـ workspace بتاعك
+
+print("📂 Available Projects:")
+for p in workspace.projects():
+    print("-", p)
+
+from roboflow import Roboflow
+
+print("loading Roboflow workspace...")
+rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
+
+print("loading Roboflow project...")
+project = rf.workspace("yomnasoror").project("medical-waste")  # الاسم لازم يكون lowercase بدون مسافات
+
+model = project.version(1).model
+print("✅ Model loaded successfully!")
+
+import os
+print(os.listdir())
+
+import gradio as gr
+from roboflow import Roboflow
+
+# تحميل الموديل
+rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
+project = rf.workspace("yomnasoror").project("medical-waste")
+model = project.version(1).model
+
+# دالة التنبؤ
+def predict_image(image):
+    pred = model.predict(image.name).json()
+    return str(pred)
+
+# إنشاء واجهة Gradio
+iface = gr.Interface(fn=predict_image, inputs="file", outputs="text")
+iface.launch(share=True)
+
+
+
+!pip install pyngrok flask
+
+from pyngrok import ngrok
+
+# 🔐 أضيفي التوكِن بتاعك هنا
+ngrok.set_auth_token("3459NDFoZcow9VdVbCd6WF7Mjsq_5uLRwTaSyR4s4HeXk2Cq3")
+
+from flask import Flask
+app = Flask(__name__)
+
+@app.route("/")
+def home():
+    return "🚀 Flask API is running!"
+
+# شغّلي السيرفر على بورت محدد
+from threading import Thread
+def run():
+    app.run(port=5000)
+
+t = Thread(target=run)
+t.start()
+
+# افتحي tunnel ngrok
+public_url = ngrok.connect(5000)
+print("🔥 Public URL:", public_url)
+
+
+
+!pip install flask ngrok
+
+from flask import Flask, request, jsonify
+from tensorflow.keras.models import load_model
+from tensorflow.keras.preprocessing import image
+import numpy as np
+from PIL import Image
+import io
+
+app = Flask(__name__)
+
+# ✅ تحميل الموديل
+model = load_model("model.h5")
+class_names = ['infectious', 'sharp', 'general']
+
+@app.route('/predict', methods=['POST'])
+def predict():
+    if 'file' not in request.files:
+        return jsonify({'error': 'No file provided'}), 400
+
+    file = request.files['file']
+    img = Image.open(io.BytesIO(file.read())).resize((224, 224))
+    img_array = np.expand_dims(np.array(img) / 255.0, axis=0)
+
+    preds = model.predict(img_array)
+    pred_class = class_names[np.argmax(preds)]
+
+    return jsonify({
+        'prediction': pred_class,
+        'confidence': float(np.max(preds))
+    })
+
+
+
+!pip install flask pyngrok roboflow
+
+import requests
+
+# 🔸 رابط الـAPI اللي ظهرلك من ngrok
+API_URL = "https://limbed-occupationless-kaitlynn.ngrok-free.dev"  # ← غيّريه بالرابط اللي طلعلك
+
+# 🔸 مسار الصورة اللي عايزة تجربيها
+image_path = "/content/Sryngis34_JPG.rf.451be7985f401d1c4c8f170541813990.jpg"  # أو ارفعي صورة بنفس الاسم في كولاب
+
+# 🔸 إرسال الصورة للـAPI
+with open("/content/Sryngis34_JPG.rf.451be7985f401d1c4c8f170541813990.jpg", "rb") as img:
+    files = {"image": img}
+    response = requests.post(API_URL + "/predict", files=files)
+
+# 🔸 عرض النتيجة
+print(response.json())
+
+from flask import Flask, request, jsonify
+from roboflow import Roboflow
+from pyngrok import ngrok
+from threading import Thread
+
+# 🔹 تحميل الموديل من Roboflow
+print("Loading Roboflow model...")
+rf = Roboflow(api_key="tN8RCHc8406wlBLQoCBx")
+project = rf.workspace("yomnasoror").project("medical-waste")
+model = project.version(1).model
+print("✅ Model loaded successfully!")
+
+# 🔹 إنشاء تطبيق Flask
+app = Flask(__name__)
+
+@app.route("/", methods=["GET"])
+def home():
+    return "✅ Medical Waste Classification API is running!"
+
+@app.route("/predict", methods=["POST"])
+def predict():
+    if "image" not in request.files:
+        return jsonify({"error": "No image uploaded"}), 400
+    image = request.files["image"]
+    result = model.predict(image).json()
+    return jsonify(result)
+
+# 🔹 استخدمي منفذ جديد
+port = 5001  # غيري عن 5000
+public_url = ngrok.connect(port).public_url
+print(f"🚀 Public API URL: {public_url}")
+
+# Run the Flask app in a separate thread
+def run_flask_app():
+    app.run(port=port, debug=True, use_reloader=False)
+
+flask_thread = Thread(target=run_flask_app)
+flask_thread.start()
+
+import gradio as gr
+import requests
+
+# رابط الـAPI اللي عملتيه
+API_URL = "https://xxxxxx.ngrok-free.app/predict"  # غيّريه بالرابط بتاعك
+
+# دالة ترسل الصورة إلى الـAPI وترجع النتيجة
+def predict_via_api(image):
+    files = {"image": image}
+    response = requests.post(API_URL, files=files)
+    result = response.json()
+
+    try:
+        pred = result["predictions"][0]
+        label = pred["class"]
+        conf = pred["confidence"]
+        return f"🧠 النوع: {label}\n📊 الدقة: {conf:.2f}"
+    except Exception:
+        return "⚠️ خطأ أثناء تحليل الصورة!"
+
+# إنشاء واجهة Gradio
+iface = gr.Interface(
+    fn=predict_via_api,
+    inputs=gr.Image(type="filepath", label="📸 ارفع صورة المخلفات الطبية"),
+    outputs="text",
+    title="BioTrack AI - Medical Waste Classifier",
+    description="ارفع صورة، وسيقوم الذكاء الاصطناعي بالتعرف على نوع المخلفات الطبية 🔬"
+)
+
+iface.launch(share=True)
+