Update app.py

app.py

@@ -8,20 +8,22 @@ model = tf.keras.models.load_model("model.h5")
 
 # Crie uma função para realizar a classificação
 def classify_image(image):
-    # Pré-processamento da imagem (ajuste ao tamanho de entrada do modelo, normalização, etc.)
-    image = Image.fromarray(image.astype('uint8'))
-    image = image.resize((224, 224))  # Ajuste ao tamanho de entrada do modelo
-    image = np.array(image)
-    image = image / 255.0  # Normalização
+    try:
+        # Redimensione a imagem para 100x100 pixels
+        image = Image.fromarray(image.astype('uint8'))
+        image = image.resize((100, 100))  # Redimensione para 100x100
+        image = np.array(image)
 
-    # Realize a classificação
-    prediction = model.predict(image[None, ...])
+        # Realize a classificação
+        prediction = model.predict(image[None, ...])
 
-    # Decodifique a classe prevista
-    class_idx = np.argmax(prediction)
-    class_label = categories[class_idx]  # Substitua 'categories' pela sua lista de classes
+        # Decodifique a classe prevista
+        class_idx = np.argmax(prediction)
+        class_label = categories[class_idx]  # Substitua 'categories' pela sua lista de classes
 
-    return class_label
+        return class_label
+    except Exception as e:
+        return str(e)
 
 # Crie uma interface Gradio para carregar a imagem e exibir a classificação
 iface = gr.Interface(