# -*- 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)