Update app.py

app.py

@@ -1,25 +1,20 @@
 import gradio as gr
 import tensorflow as tf
 import numpy as np
-from PIL import Image as PILImage
-import requests
-import os
+from PIL import Image as PILImage  # Para evitar conflito com Gradio
 
 # Carregar o modelo .tflite
 interpreter = tf.lite.Interpreter(model_path="model_unquant.tflite")
 interpreter.allocate_tensors()
 
+# Obter detalhes do modelo
 input_details = interpreter.get_input_details()
 output_details = interpreter.get_output_details()
 
+# Classes de saída do modelo
 classes = ['Bastonete', 'Basófilo']
 
 def recognize_image(image):
-    # Verificar se a entrada é uma URL
-    if isinstance(image, str) and image.startswith("http"):
-        response = requests.get(image)
-        image = PILImage.open(BytesIO(response.content))
-
     # Redimensionar a imagem para 224x224 (o tamanho esperado pelo modelo)
     image = PILImage.fromarray(image).resize((224, 224))
 
@@ -44,10 +39,12 @@ def recognize_image(image):
 
     return f"Classe: {predicted_class_name} (Confiança: {predicted_confidence:.2f}%)"
 
+# Configurando a interface Gradio
 interface = gr.Interface(
-    fn=recognize_image,
-    inputs=[gr.Image(), gr.Textbox(label="Caminho ou URL (opcional)")],
-    outputs="text"
+    fn=recognize_image, 
+    inputs=gr.Image(),  # Removemos o shape
+    outputs="text"  # Saída: texto com a classe e confiança
 )
 
+# Lançar o servidor com compartilhamento público
 interface.launch(share=True)