mostafa add notifction API8

app.py

@@ -3,6 +3,7 @@ from PIL import Image, UnidentifiedImageError
 import numpy as np
 import requests
 from io import BytesIO
+import json
 
 from transformers import AutoFeatureExtractor, AutoModelForImageClassification, pipeline
 
@@ -23,7 +24,7 @@ def predict(image_url):
         # التحقق من نوع المحتوى
         content_type = response.headers.get('Content-Type')
         if not content_type or not content_type.startswith('image'):
-            return "الرابط المقدم لا يشير إلى صورة صالحة."
+            return json.dumps({"error": "الرابط المقدم لا يشير إلى صورة صالحة."})
 
         # تحميل الصورة من الرابط
         image = Image.open(BytesIO(response.content)).convert("RGB")
@@ -33,20 +34,22 @@ def predict(image_url):
         max_item = max(yl, key=lambda x: x['score'])
         nn = "{:.2f}".format(max_item['score'])  # تنسيق الدقة ليكون مقروءًا بشكل أفضل
         dd = max_item['label']
-        return f"التصنيف المتوقع: {dd}, الدقة: {nn}"
+        
+        # إرجاع النتيجة بصيغة JSON
+        return json.dumps({"label": dd, "score": nn})
     
     except requests.exceptions.RequestException as e:
-        return f"خطأ في تحميل الصورة من الرابط المقدم: {e}"
+        return json.dumps({"error": f"خطأ في تحميل الصورة من الرابط المقدم: {e}"})
     except UnidentifiedImageError:
-        return "لا يمكن تحديد نوع الصورة من الرابط المقدم."
+        return json.dumps({"error": "لا يمكن تحديد نوع الصورة من الرابط المقدم."})
     except Exception as e:
-        return f"حدث خطأ أثناء معالجة الصورة: {e}"
+        return json.dumps({"error": f"حدث خطأ أثناء معالجة الصورة: {e}"})
 
 # إنشاء واجهة Gradio باستخدام المكونات الجديدة
 iface = gr.Interface(
     fn=predict,
     inputs=gr.Textbox(lines=2, placeholder="أدخل رابط الصورة هنا...", label="رابط الصورة"),
-    outputs="text",
+    outputs="text",  # مخرجات النص تُستخدم هنا لعرض نص الـ JSON
     title="نموذج ViT لتصنيف الصور",
     description="أدخل رابط صورة للحصول على تصنيف باستخدام نموذج ViT المدرب."
 )