File size: 1,367 Bytes
c759a4d | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 | import gradio as gr
from PIL import Image
import numpy as np
# Simuler une segmentation fictive de l'image
def segment_image(image):
img_array = np.array(image.resize((256, 256)))
segmented_img = np.zeros_like(img_array)
if segmented_img.ndim == 2 or segmented_img.shape[-1] == 1:
segmented_img = np.stack([segmented_img] * 3, axis=-1)
return Image.fromarray(segmented_img)
# Simuler un diagnostic fictif
def analyze_health(segmented_image):
# Diagnostic fictif
diagnostic = "La plante semble en bonne santé."
return diagnostic
# Fonction principale combinant segmentation fictive et diagnostic fictif
def plant_health_analysis(image):
segmented_img = segment_image(image)
diagnostic = analyze_health(segmented_img)
return segmented_img, diagnostic
# Interface Gradio avec la nouvelle syntaxe
interface = gr.Interface(
fn=plant_health_analysis,
inputs=gr.Image(type="pil", label="Téléchargez une image de plante"),
outputs=[
gr.Image(type="pil", label="Image Segmentée (Fictive)"),
gr.Textbox(label="Diagnostic Fictif de la Plante")
],
title="PomSafe (Fictif)",
description="Cette interface simule l'analyse de la santé des plantes. Le modèle de segmentation n'est pas encore intégré."
)
# Lancer l'interface Gradio
interface.launch(share=True)
|