Update app.py

app.py

@@ -4,7 +4,7 @@ import pandas as pd
 from tensorflow import keras
 from firebase import firebase
 
-# إعداد Firebase
+# إعداد Firebase (ضع بياناتك هنا)
 config = {
     'apiKey': "AIzaSyDZCCMjd003FcPDRcik5jCHCEQL56pkeFY",
     'authDomain': "jsonfile-esp32-mohiot.firebaseapp.com",
@@ -19,20 +19,23 @@ firebase = firebase.FirebaseApplication(config['databaseURL'], None)
 # تحميل بيانات السكر
 csv_data = pd.read_csv('sugar_level.csv')
 sugar_levels = csv_data['Sugar level']
-current_csv_index = 0  
+current_csv_index = 0
 
 # تحميل النماذج
-Seizure_Detection_model = keras.models.load_model("seizure_detection.h5", compile=False)
-Seizure_Detection_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
-
-Fall_Detection_model = keras.models.load_model("Fall_Detection.h5", compile=False)
-Fall_Detection_model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
+try:
+    Seizure_Detection_model = keras.models.load_model("seizure_detection.h5", compile=False)
+    Seizure_Detection_model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
+    Fall_Detection_model = keras.models.load_model("Fall_Detection.h5", compile=False)
+    Fall_Detection_model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
+except Exception as e:
+    print(f"Error loading models: {e}")  # طباعة الخطأ لتصحيحه
+    exit()  # إيقاف البرنامج إذا لم يتم تحميل النماذج
 
 # دالة جلب مستوى السكر التالي
 def get_next_sugar_level():
     global current_csv_index
     if current_csv_index >= len(sugar_levels):
-        return sugar_levels.iloc[-1]  
+        return sugar_levels.iloc[-1]
     value = sugar_levels.iloc[current_csv_index]
     current_csv_index += 1
     return value
@@ -42,12 +45,12 @@ def process_sensor_data():
     try:
         data = firebase.get('/sensors', None)
         if not data:
-            return "لم يتم استقبال بيانات من Firebase"
+            return {"message": "لم يتم استقبال بيانات من Firebase"}  # رسالة خطأ بتنسيق JSON
 
         heart_rate = data.get('MAX30102', 88)
-        spo2 = data.get('MAX30102', 88)  
-        Temperature = data.get('MAX30205', 35)
-        Distance = data.get('VL53L0X', 16)
+        spo2 = data.get('MAX30102', 98)  # قيمة افتراضية أفضل
+        Temperature = data.get('MAX30205', 37)  # قيمة افتراضية أفضل
+        Distance = data.get('VL53L0X', 100)  # قيمة افتراضية أفضل
         sugar_level = get_next_sugar_level()
         GSR = data.get('GSR', 0)
 
@@ -59,35 +62,29 @@ def process_sensor_data():
         # التنبؤ بالسقوط
         X_test_fall = np.array([[Distance, heart_rate, sugar_level, spo2]])
         fall_prediction = Fall_Detection_model.predict(X_test_fall)
-
-        # إصلاح مشكلة الفئة المتوقعة
-        fall_class = np.argmax(fall_prediction, axis=1)[0]  # استخراج الفئة الصحيحة
-
-        # تصنيف السقوط
+        fall_class = np.argmax(fall_prediction, axis=1)[0]
         fall_result = {0: "لا يوجد سقوط", 1: "احتمال سقوط", 2: "تم السقوط"}.get(fall_class, "غير معروف")
 
         return {
-            "معدل ضربات القلب": heart_rate,
-            "نسبة الأكسجين في الدم": spo2,
-            "درجة الحرارة": Temperature,
-            "مستوى السكر": sugar_level,
-            "معدل التعرق": GSR,
-            "حالة النوبات": seizure_result,
-            "حالة السقوط": fall_result
+            "معدل_ضربات_القلب": heart_rate,
+            "نسبة_الأكسجين_في_الدم": spo2,
+            "درجة_الحرارة": Temperature,
+            "مستوى_السكر": sugar_level,
+            "معدل_التعرق": GSR,
+            "حالة_النوبات": seizure_result,
+            "حالة_السقوط": fall_result
         }
-
     except Exception as e:
-        return f"حدث خطأ أثناء الحساب: {e}"
+        return {"error": str(e)}  # إرجاع خطأ بتنسيق JSON
 
 # إنشاء Gradio UI
 iface = gr.Interface(
     fn=process_sensor_data,
     inputs=[],
-    outputs="json",
+    outputs="json",  # هام: تحديد نوع الخرج ك JSON
     title="نموذج الذكاء الاصطناعي للكشف عن النوبات والسقوط",
     description="يتم جلب البيانات من Firebase وإجراء التنبؤات باستخدام نماذج الذكاء الاصطناعي."
 )
 
 # تشغيل التطبيق
-# iface.launch()
 iface.launch(server_name="0.0.0.0", server_port=7860, share=True)