Update app.py

app.py

@@ -3,26 +3,35 @@ import tensorflow as tf
 from PIL import Image
 import numpy as np
 
-
 # Klassennamen, sollten Ihrem Dataset entsprechen
 class_names = ['Apple__black_rot', 'Apple__healthy', 'Apple__rust', 'Apple__scab']
 
 def predict_figure(uploaded_file):
     if uploaded_file is None:
-        return "No file uploaded.", None, "No prediction"
+        return "Keine Datei hochgeladen.", None, "Keine Vorhersage"
 
     model = tf.keras.models.load_model('apple_classification.keras')
 
-    # Load the image from the file path
     with Image.open(uploaded_file).convert('RGB') as img:
         img = img.resize((150, 150))
         img_array = np.array(img)
-
         prediction = model.predict(np.expand_dims(img_array, axis=0))
 
         # Identify the most confident prediction
         confidences = {class_names[i]: np.round(float(prediction[0][i]), 2) for i in range(len(class_names))}
-        return img, confidences
+        max_confidence_class = max(confidences, key=confidences.get)
+        response = generate_response(max_confidence_class)
+
+        return img, confidences, response
+
+def generate_response(predicted_class):
+    responses = {
+        'Apple__black_rot': "Die Pflanze zeigt Anzeichen von Schwarzfäule. Erhöhen Sie die Luftzirkulation und vermeiden Sie Überwässerung.",
+        'Apple__healthy': "Die Pflanze ist gesund. Weiter so!",
+        'Apple__rust': "Rost wurde erkannt. Entfernen Sie infizierte Blätter und behandeln Sie mit einem Fungizid.",
+        'Apple__scab': "Schorf ist sichtbar. Beschneiden Sie betroffene Bereiche und verwenden Sie Fungizide."
+    }
+    return responses.get(predicted_class, "Unbekannte Krankheit")
 
 # Define example images
 examples = [
@@ -32,17 +41,13 @@ examples = [
     ["images/Apple__scab.JPG"]
 ]
 
-
 # Define the Gradio interface
 iface = gr.Interface(
-    fn=predict_figure,  # Function to process the input
-    inputs=gr.File(label="Upload File"),  # File upload widget
-    outputs=["image", "text"],  # Output types for image and text
-    title="Leaf Disease Classifier",  # Title of the interface
-    description="Upload a picture of a Apple Leaf to see condition health it is and the model's confidence level.",  # Description of the interface
-    examples=examples  # Example images
+    fn=predict_figure,
+    inputs=gr.File(label="Datei hochladen"),
+    outputs=["image", "text", "text"],
+    title="Klassifikator für Apfelblattkrankheiten",
+    description="Lade ein Bild eines Apfelblatts hoch, um den Gesundheitszustand und die Vertrauenswürdigkeit des Modells zu sehen.",
+    examples=examples
 )
-
 iface.launch()
-
-