Upload /home/user/study/tomato_disease/tomato-disease-training/hf_requirements.txt with huggingface_hub

home/user/study/tomato_disease/tomato-disease-training/hf_requirements.txt

@@ -0,0 +1,88 @@
+import os
+import cv2
+import numpy as np
+import torch
+import gradio as gr
+
+# Список классов болезней
+TOMATO_CLASSES = [
+    'Tomato___Bacterial_spot', 
+    'Tomato___Early_blight', 
+    'Tomato___Late_blight', 
+    'Tomato___Leaf_Mold', 
+    'Tomato___Septoria_leaf_spot', 
+    'Tomato___Spider_mites Two-spotted_spider_mite', 
+    'Tomato___Target_Spot', 
+    'Tomato___Tomato_Yellow_Leaf_Curl_Virus', 
+    'Tomato___Tomato_mosaic_virus',
+    'Tomato___healthy'
+]
+
+def load_model():
+    """Загрузка обученной модели"""
+    try:
+        model_path = 'tomato_disease_classifier.pth'
+        
+        if not os.path.exists(model_path):
+            return None, None
+        
+        model_data = torch.load(model_path)
+        
+        return model_data['classifier'], model_data['scaler']
+    except Exception as e:
+        print(f"Ошибка загрузки модели: {e}")
+        return None, None
+
+def preprocess_image(image):
+    """Подготовка изображения для предсказания"""
+    if image is None:
+        return None
+    
+    # Resize и flatten
+    img_resized = cv2.resize(image, (64, 64))
+    img_flattened = img_resized.flatten()
+    
+    return img_flattened
+
+def predict_disease(image):
+    """Предсказание болезни томата"""
+    if image is None:
+        return "Пожалуйста, загрузите изображение"
+    
+    # Загрузка модели
+    classifier, scaler = load_model()
+    if classifier is None or scaler is None:
+        return "Ошибка загрузки модели"
+    
+    # Предобработка изображения
+    processed_image = preprocess_image(image)
+    if processed_image is None:
+        return "Не удалось обработать изображение"
+    
+    # Масштабирование
+    processed_image = scaler.transform([processed_image])
+    
+    # Предсказание
+    prediction = classifier.predict(processed_image)
+    probabilities = classifier.predict_proba(processed_image)[0]
+    
+    # Формирование результата
+    result = f"Обнаружено: {prediction[0]}\n\n"
+    result += "Вероятности:\n"
+    for disease, prob in zip(TOMATO_CLASSES, probabilities):
+        result += f"{disease}: {prob*100:.2f}%\n"
+    
+    return result
+
+# Создание Gradio интерфейса
+iface = gr.Interface(
+    fn=predict_disease,
+    inputs=gr.Image(type="numpy", label="Загрузите изображение листа томата"),
+    outputs=gr.Textbox(label="Результат диагностики"),
+    title="Диагностика болезней томатов",
+    description="Загрузите изображение листа томата для определения заболевания"
+)
+
+# Запуск интерфейса
+if __name__ == "__main__":
+    iface.launch()