App.py

import gradio as gr
import tensorflow as tf
import numpy as np
import cv2

# Charger le modèle (Remplace "mon_modele.h5" par ton modèle)
model = tf.keras.models.load_model("mon_modele.h5")

# Classes des maladies (remplace par tes classes)
classes = ["Sain", "Mildiou", "Rouille", "Oïdium"]

# Fonction de prédiction
def predict_image(image):
    # Convertir en format compatible avec le modèle
    img = cv2.resize(image, (224, 224))  # Adapter à la taille du modèle
    img = img / 255.0  # Normalisation
    img = np.expand_dims(img, axis=0)

    # Faire la prédiction
    prediction = model.predict(img)
    predicted_class = np.argmax(prediction)
    return f"Résultat : {classes[predicted_class]}"

# Interface Gradio
interface = gr.Interface(
    fn=predict_image,
    inputs=gr.Image(type="numpy"),
    outputs="text",
    title="Détection des Maladies des Plantes 🌿",
    description="Télécharge une image d'une feuille de plante pour obtenir une analyse IA."
)

# Lancer l’application
interface.launch()