final-final

app.py

@@ -17,9 +17,8 @@ device = torch.device("cpu")
 MODEL_PATH = "model/best_vision_ensemble_model.pth"
 NUM_CLASSES = 156
 
-# No necesitamos el mapa de etiquetas en el servidor, ya que la app lo manejará
-# with open(LABELS_PATH) as f:
-#    labels_map = json.load(f)
+# El mapa de etiquetas ya no es necesario en el servidor
+# ya que la app móvil se encargará de la traducción.
 
 model = VisionEnsembleModel(num_classes=NUM_CLASSES)
 model.load_state_dict(torch.load(MODEL_PATH, map_location=device))
@@ -38,7 +37,7 @@ app = FastAPI(title="API de Clasificación de Orquídeas")
 
 @app.get("/")
 def read_root():
-    return {"status": "ok", "message": "API de Orquídeas funcionando. Usa el endpoint /predict_for_mobile"}
+    return {"status": "ok", "message": "API de Orquídeas funcionando. Usa el endpoint POST en /predict_for_mobile"}
 
 # --- 4. Endpoint de API para la App Móvil (devuelve IDs) ---
 @app.post("/predict_for_mobile")

requirements.txt

@@ -1,4 +1,4 @@
-# requirements.txt
+# requirements.txt (versión final solo para API)
 fastapi
 uvicorn[standard]
 python-multipart