Update vision_engine.py

vision_engine.py

@@ -5,12 +5,16 @@ from PIL import Image
 import torch
 from transformers import LayoutLMv3ForTokenClassification, AutoProcessor
 from pdf2image import convert_from_bytes
+from functools import lru_cache
 
-# Hugging Face से हल्का और तेज विजन-डॉक्यूमेंट मॉडल लोड करना (जो Streamlit पर चल सके)
+# Hugging Face से विजन-डॉक्यूमेंट मॉडल लोड करने का कॉन्फिगरेशन
 MODEL_NAME = "microsoft/layoutlmv3-base"
 
-@st.cache_resource
+@lru_cache(maxsize=1)
 def load_vision_processor_and_model():
+    """
+    Model aur processor ko memory me cache karta hai taaki baar-baar load na karna pade.
+    """
     try:
         processor = AutoProcessor.from_pretrained(MODEL_NAME, apply_ocr=True)
         model = LayoutLMv3ForTokenClassification.from_pretrained(MODEL_NAME)
@@ -22,7 +26,7 @@ def load_vision_processor_and_model():
 def extract_value_with_vision_layout(pdf_bytes, target_keyword):
     """
     यह फंक्शन पीडीएफ को विजुअल इमेज में बदलकर LayoutLMv3 मॉडल के जरिए
-    कीवर्ड और उसके आस-पास के लेआउट को पढ़कर सही वैल्यू एक्सट्रैक्ट करता है।
+    कीवर्ड और उसके आस-पास के लेआउट को पढ़कर सही वैल्यू एक्सट्रैक्ट करता है।
     """
     if not pdf_bytes:
         return None
@@ -37,7 +41,6 @@ def extract_value_with_vision_layout(pdf_bytes, target_keyword):
         # 2. Processor और Model लोड करना
         processor, model = load_vision_processor_and_model()
         if not processor or not model:
-            # Fallback यदि मॉडल लोड होने में कोई नेटवर्क/रिसोर्स इशू आए
             return None
             
         # 3. इमेज और टेक्स्ट को मॉडल के अनुकूल तैयार करना
@@ -58,5 +61,4 @@ def extract_value_with_vision_layout(pdf_bytes, target_keyword):
         return extracted_result.strip() if extracted_result else None
         
     except Exception as ex:
-        # यदि कोई तकनीकी दिक्कत आए तो सिस्टम क्रैश न हो, सुरक्षित रूप से हैंडल हो
-        return None
+        return None