GiGi2k5 commited on
Commit
eea253e
·
1 Parent(s): d4ca2f3

Add application file

Browse files
Files changed (4) hide show
  1. .gitattributes +1 -0
  2. README.md +4 -4
  3. app.py +45 -0
  4. requirements.txt +3 -0
.gitattributes CHANGED
@@ -33,3 +33,4 @@ saved_model/**/* filter=lfs diff=lfs merge=lfs -text
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
 
 
33
  *.zip filter=lfs diff=lfs merge=lfs -text
34
  *.zst filter=lfs diff=lfs merge=lfs -text
35
  *tfevents* filter=lfs diff=lfs merge=lfs -text
36
+ *.keras filter=lfs diff=lfs merge=lfs -text
README.md CHANGED
@@ -1,14 +1,14 @@
1
  ---
2
- title: GreenGenius
3
- emoji: 👀
4
- colorFrom: green
5
  colorTo: purple
6
  sdk: gradio
7
  sdk_version: 5.1.0
8
  app_file: app.py
9
  pinned: false
10
  license: mit
11
- short_description: App de diagnostic des feuilles de pommiers
12
  ---
13
 
14
  Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
 
1
  ---
2
+ title: PomSafe
3
+ emoji: 🐢
4
+ colorFrom: blue
5
  colorTo: purple
6
  sdk: gradio
7
  sdk_version: 5.1.0
8
  app_file: app.py
9
  pinned: false
10
  license: mit
11
+ short_description: 'App de détecti des maladies des plants de pommiers '
12
  ---
13
 
14
  Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
app.py ADDED
@@ -0,0 +1,45 @@
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
+ import gradio as gr
2
+ from PIL import Image
3
+ import numpy as np
4
+
5
+ # Simuler une segmentation fictive de l'image
6
+ def segment_image(image):
7
+ img_array = np.array(image.resize((256, 256))) # Redimensionner l'image
8
+ segmented_img = np.zeros_like(img_array) # Image segmentée fictive (toute noire)
9
+
10
+ # Si l'image est en niveaux de gris, la convertir en RGB
11
+ if segmented_img.ndim == 2 or segmented_img.shape[-1] == 1:
12
+ segmented_img = np.stack([segmented_img] * 3, axis=-1)
13
+
14
+ # Convertir en image Pillow
15
+ return Image.fromarray(segmented_img)
16
+
17
+ # Simuler un diagnostic fictif
18
+ def analyze_health(segmented_image):
19
+ # Diagnostic fictif
20
+ diagnostic = "La plante semble en bonne santé." # Diagnostic par défaut
21
+ return diagnostic
22
+
23
+ # Fonction principale combinant segmentation fictive et diagnostic fictif
24
+ def plant_health_analysis(image):
25
+ segmented_img = segment_image(image)
26
+ diagnostic = analyze_health(segmented_img)
27
+
28
+ return segmented_img, diagnostic
29
+
30
+ # Interface Gradio
31
+ interface = gr.Interface(
32
+ fn=plant_health_analysis,
33
+ inputs=gr.inputs.Image(type="pil", label="Téléchargez une image de plante"),
34
+ outputs=[
35
+ gr.outputs.Image(type="pil", label="Image Segmentée (Fictive)"),
36
+ gr.outputs.Textbox(label="Diagnostic Fictif de la Plante")
37
+ ],
38
+ title="PomSafe (Fictif)",
39
+ description="Cette interface simule l'analyse de la santé des plantes. Le modèle de segmentation n'est pas encore intégré.",
40
+ theme="default",
41
+ layout="horizontal"
42
+ )
43
+
44
+ # Lancer l'interface Gradio
45
+ interface.launch(share=True)
requirements.txt ADDED
@@ -0,0 +1,3 @@
 
 
 
 
1
+ gradio==3.40.0
2
+ Pillow==9.4.0
3
+ numpy==1.24.3