Update app.py

app.py

@@ -4,10 +4,10 @@ import numpy as np
 from PIL import Image
 
 # --- KONFIGURASI ---
-IMG_SIZE = (224, 224) # Sesuaikan dengan input shape model Anda
-MODEL_PATH = "best_model.h5" # Pastikan nama file sesuai
+IMG_SIZE = (224, 224)
+MODEL_PATH = "best_model.h5" 
 
-# Definisi Kelas (Sesuai urutan training model Anda)
+# Definisi Kelas (Sesuai urutan training model)
 class_names = [
     'Abrasions', 'Bruises', 'Burns', 'Cut', 'Diabetic Wounds', 
     'Laceration', 'Normal', 'Pressure Wounds', 'Surgical Wounds', 'Venous Wounds'
@@ -97,86 +97,88 @@ def get_first_aid_recommendation(wound_class):
     }
     return rekomendasi.get(wound_class, "Rekomendasi belum tersedia. Silakan konsultasi dengan petugas medis.")
 
-# --- FUNGSI PREDIKSI ---
-def predict_image(image_input):
-    if best_model is None:
-        return {}, "⚠️ Model tidak ditemukan. Harap upload file model (.h5)."
+# --- SCRIPT JAVASCRIPT UNTUK GPS ---
+get_location_js = """
+function getGeoLocation() {
+    return new Promise((resolve, reject) => {
+        navigator.geolocation.getCurrentPosition(
+            (position) => {
+                resolve(`${position.coords.latitude},${position.coords.longitude}`);
+            },
+            (error) => {
+                resolve("Lokasi tidak diizinkan");
+            }
+        );
+    });
+}
+"""
 
+def predict_image(image_input, location_data):
+    if best_model is None:
+        return {}, "⚠️ Model tidak ditemukan.", ""
     if image_input is None:
-        return {}, "Silakan upload gambar."
+        return {}, "Silakan upload gambar.", ""
 
-    # Preprocessing
+    # Info Lokasi
+    info_lokasi = f"📍 **Koordinat Pengunggahan:** {location_data}" if location_data else "📍 Lokasi tidak terdeteksi."
+
+    # Preprocessing & Prediksi
     img = image_input.resize(IMG_SIZE)
-    img_array = tf.keras.utils.img_to_array(img)
+    img_array = tf.keras.utils.img_to_array(img) / 255.0
     img_array = tf.expand_dims(img_array, 0)
-    img_array = img_array / 255.0
-
-    # Prediksi
+    
     predictions = best_model.predict(img_array)
     scores = tf.nn.softmax(predictions[0]).numpy()
 
-    # Mapping hasil untuk UI (Bahasa Indonesia)
     translated_output_dict = {
         translation_map.get(class_names[i], class_names[i]): float(scores[i])
         for i in range(len(class_names))
     }
 
-    # Ambil label tertinggi
     top_idx = np.argmax(scores)
     top_label_en = class_names[top_idx]
     top_confidence = scores[top_idx]
 
-    # --- LOGIKA THRESHOLD ---
     THRESHOLD = 0.20
-
     if top_confidence < THRESHOLD:
         top_label_id = "Normal (Tidak Terdeteksi)"
-        rekomendasi_teks = (
-            "**Mohon Maaf:** Model kurang akurat dalam menganalisis foto ini.\n\n"
-            "**Saran:**\n"
-            "1. Pastikan area luka terlihat jelas dan tidak blur.\n"
-            "2. Gunakan pencahayaan yang cukup (terang).\n"
-            "3. Ambil foto dari sudut tegak lurus ke arah luka.\n\n"
-            "Jika Anda merasa luka ini serius, segera hubungi tenaga medis meskipun hasil analisis tidak muncul."
-        )
+        rekomendasi_teks = "Model kurang akurat. Pastikan foto jelas."
     else:
         top_label_id = translation_map.get(top_label_en, top_label_en)
         rekomendasi_teks = get_first_aid_recommendation(top_label_en)
 
-    # Format Markdown untuk Gradio
     formatted_output = (
         f"### Analisis: **{top_label_id}**\n\n"
         f"**Langkah Pertolongan:**\n{rekomendasi_teks}\n\n"
         f"--- \n*Tingkat Keyakinan AI: {top_confidence:.2%}*"
     )
-
-    return translated_output_dict, formatted_output
+    
+    return translated_output_dict, formatted_output, info_lokasi
 
 # --- UI INTERFACE ---
 with gr.Blocks(theme=gr.themes.Soft(primary_hue="red", secondary_hue="slate")) as demo:
     gr.Markdown("# 🚨 FirstAidLens")
-    gr.Markdown("Deteksi jenis luka secara instan dan dapatkan panduan pertolongan pertama yang tepat.")
-
+    
+    # Input tersembunyi untuk menampung data dari JS
+    location_hidden = gr.Textbox(visible=False)
+    
     with gr.Row():
         with gr.Column(scale=1):
-            input_img = gr.Image(
-                sources=["upload", "webcam"],
-                type="pil",
-                label="Ambil Foto Luka"
-            )
-            gr.Markdown("> **Penting:** Hasil AI ini hanya referensi awal. Jika luka parah atau pendarahan tidak berhenti, segera hubungi **112**.")
-
+            input_img = gr.Image(sources=["upload", "webcam"], type="pil", label="Ambil Foto Luka")
+            btn_predict = gr.Button("Analisis Luka & Ambil Lokasi", variant="primary")
+            
         with gr.Column(scale=1):
-            output_label = gr.Label(num_top_classes=3, label="Hasil Analisis Jenis Luka")
-            output_markdown = gr.Markdown("### Panduan Pertolongan Pertama\n_Upload atau ambil foto untuk melihat rekomendasi._")
+            output_label = gr.Label(num_top_classes=3, label="Hasil Analisis")
+            output_markdown = gr.Markdown("### Panduan Pertolongan Pertama")
+            output_location = gr.Markdown("") # Menampilkan lokasi di sini
 
-    # Trigger otomatis saat gambar diupload/diambil
-    input_img.change(
+    # Alur Klik: Jalankan JS dulu untuk isi location_hidden, lalu jalankan predict_image
+    btn_predict.click(
         fn=predict_image,
-        inputs=input_img,
-        outputs=[output_label, output_markdown]
+        inputs=[input_img, location_hidden],
+        outputs=[output_label, output_markdown, output_location],
+        js=get_location_js
     )
 
-# Launch (Server Name 0.0.0.0 wajib untuk Docker)
 if __name__ == "__main__":
     demo.launch(server_name="0.0.0.0", server_port=7860)