app.py

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

# Charger le modèle (Remplace par ton modèle)
model = tf.keras.models.load_model("tomato_disease_mobilenetv2_25Epc.h5")

# Classes des maladies (modifie selon ton dataset)
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"]

# Fonction de prédiction avec score de confiance
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)
    confidence = np.max(prediction) * 100  # Score de confiance en %

    return f"🌱 Résultat : {classes[predicted_class]} \n🔍 Confiance : {confidence:.2f}%"

# 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()