Update app.py

app.py

@@ -6,21 +6,23 @@ import numpy as np
 # Klassennamen, sollten Ihrem Dataset entsprechen
 class_names = ['Apple__black_rot', 'Apple__healthy', 'Apple__rust', 'Apple__scab']
 
-def predict_figure(image):
-    if image is None:
-        return "Kein Bild bereitgestellt.", None, "Keine Vorhersage"
+def predict_figure(uploaded_file):
+    if uploaded_file is None:
+        return "Keine Datei hochgeladen.", None, "Keine Vorhersage"
 
     model = tf.keras.models.load_model('apple_classification-2.keras')
-    img = Image.fromarray(image).convert('RGB')
-    img = img.resize((150, 150))
-    img_array = np.array(img)
-    prediction = model.predict(np.expand_dims(img_array, axis=0))
 
-    confidences = {class_names[i]: np.round(float(prediction[0][i]), 2) for i in range(len(class_names))}
-    max_confidence_class = max(confidences, key=confidences.get)
-    response = generate_response(max_confidence_class)
+    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))
 
-    return img, confidences, response
+        # Identify the most confident prediction
+        confidences = {class_names[i]: np.round(float(prediction[0][i]), 2) for i in range(len(class_names))}
+        max_confidence_class = max(confidences, key=confidences.get)
+        response = generate_response(max_confidence_class)
+
+        return img, confidences, response
 
 def generate_response(predicted_class):
     responses = {
@@ -39,12 +41,13 @@ examples = [
     ["images/Apple__scab.JPG"]
 ]
 
+# Define the Gradio interface
 iface = gr.Interface(
     fn=predict_figure,
-    inputs=gr.components.Image(shape=(150, 150), source="webcam", tool="editor", label="Foto aufnehmen oder hochladen"),
-    outputs=["image", "label", "text"],
+    inputs=gr.File(label="Datei hochladen"),
+    outputs=["image", "text", "text"],
     title="Klassifikator für Apfelblattkrankheiten",
-    description="Nimm ein Foto eines Apfelblatts auf oder lade es hoch, um den Gesundheitszustand zu überprüfen.",
+    description="Lade ein Bild eines Apfelblatts hoch, um den Gesundheitszustand und die Vertrauenswürdigkeit des Modells zu sehen.",
     examples=examples
 )
-iface.launch()
+iface.launch()