Update app.py

app.py

@@ -7,11 +7,12 @@ import json
 # Carregue o modelo previamente treinado
 model = tf.keras.models.load_model("model.h5")
 
-# Carregue o arquivo JSON com as categorias indexadas
+# Carregue o arquivo JSON com as categorias indexadas e descrições de diagnóstico
 with open("categories.json", "r") as json_file:
     categories_data = json.load(json_file)
 
 categories = [entry["category"] for entry in categories_data]
+diagnoses = [entry["diagnosis"] for entry in categories_data]
 
 # Crie uma função para realizar a classificação
 def classify_image(image):
@@ -27,17 +28,18 @@ def classify_image(image):
         # Decodifique a classe prevista
         class_idx = np.argmax(prediction)
         class_label = categories[class_idx]
+        diagnosis = diagnoses[class_idx]
 
-        return class_label
+        return f"Classe prevista: {class_label}\nDiagnóstico: {diagnosis}"
     except Exception as e:
         return str(e)
 
-# Crie uma interface Gradio para carregar a imagem e exibir a classificação
+# Crie uma interface Gradio para carregar a imagem e exibir a classificação com diagnóstico
 iface = gr.Interface(
     fn=classify_image,
     inputs=gr.inputs.Image(),  # Entrada de imagem
-    outputs="text"  # Saída de texto com a classe prevista
+    outputs="text"  # Saída de texto com a classe prevista e diagnóstico
 )
 
 # Inicie a interface Gradio
-iface.launch()
+iface.launch()