app.py

# app.py

import uvicorn
from fastapi import FastAPI, UploadFile, File
import tensorflow as tf
from tensorflow.keras.preprocessing import image
import numpy as np
import json
import io
from PIL import Image
from huggingface_hub import hf_hub_download

# 1. تعريف مسارات النموذج والتسميات
# سيتم تحميلها محليًا بواسطة hf_hub_download
MODEL_REPO_ID = "abdulrhmanHelmy/PlantVillage-Classifier"
MODEL_FILENAME = "mobilenetv2_finetuned_model.h5"
LABELS_FILENAME = "labels.json"
IMAGE_SIZE = (224, 224)

# 2. تهيئة التطبيق
app = FastAPI(title="Plant Disease Classifier API")

# تحميل النموذج وملف التسميات عند بدء التشغيل
try:
    # تحميل ملف النموذج من Hugging Face Hub
    model_path = hf_hub_download(repo_id=MODEL_REPO_ID, filename=MODEL_FILENAME, repo_type="model")
    model = tf.keras.models.load_model(model_path)
    
    # تحميل ملف التسميات
    labels_path = hf_hub_download(repo_id=MODEL_REPO_ID, filename=LABELS_FILENAME, repo_type="model")
    with open(labels_path, 'r', encoding='utf-8') as f:
        idx_to_class = json.load(f)
        
    print("✅ النموذج والتسميات تم تحميلهما بنجاح من Hugging Face Hub.")

except Exception as e:
    print(f"❌ فشل تحميل النموذج أو التسميات: {e}")
    model = None 
    idx_to_class = None

# 3. نقطة النهاية للتنبؤ
@app.post("/predict")
async def predict_image(file: UploadFile = File(...)):
    if not model:
        return {"error": "Model failed to load on the server."}

    try:
        # قراءة الصورة وتحويلها
        contents = await file.read()
        img = Image.open(io.BytesIO(contents)).convert('RGB')
        
        # المعالجة المُسبقة (Preprocessing)
        img = img.resize(IMAGE_SIZE)
        img_array = image.img_to_array(img)
        img_array = np.expand_dims(img_array, axis=0)
        processed_img = tf.keras.applications.mobilenet_v2.preprocess_input(img_array)
        
        # التنبؤ
        predictions = model.predict(processed_img)
        predicted_index = np.argmax(predictions[0])
        confidence = float(np.max(predictions[0]))
        
        # ترجمة النتيجة (مفتاح القاموس نصي)
        predicted_label = idx_to_class.get(str(predicted_index), "Unknown Disease Index")

        return {
            "predicted_label": predicted_label,
            "confidence": f"{confidence * 100:.2f}%"
        }

    except Exception as e:
        return {"error": f"Processing failed: {e}. Check image format."}