correcao

app.py

@@ -11,16 +11,18 @@ interpreter.allocate_tensors()
 input_details = interpreter.get_input_details()
 output_details = interpreter.get_output_details()
 
-
 def predict(image):
     # Verifica se a imagem está no formato correto (RGB)
-    if image.mode != 'RGB':
-        image = image.convert('RGB')
+    if isinstance(image, Image.Image):  # Verifica se é uma imagem PIL
+        if image.mode != 'RGB':
+            image = image.convert('RGB')
+
+        # Redimensiona a imagem para o tamanho necessário pelo modelo
+        image = image.resize((224, 224))  # Ajuste para o tamanho que seu modelo exige
 
-    # Redimensiona a imagem para o tamanho necessário pelo modelo
-    image = image.resize((224, 224))  # Ajuste para o tamanho que seu modelo exige
-    image = np.array(image).astype(np.float32)  # Converte a imagem para numpy array
-    image = np.expand_dims(image, axis=0)  # Adiciona a dimensão extra para o batch
+    # Converte a imagem para um numpy array
+    image = np.array(image).astype(np.float32)  # Converte para numpy array
+    image = np.expand_dims(image, axis=0)  # Adiciona uma dimensão extra para representar o batch
 
     # Realiza a inferência
     interpreter.set_tensor(input_details[0]['index'], image)
@@ -30,7 +32,6 @@ def predict(image):
     # O resultado pode precisar ser ajustado conforme a saída do modelo
     return output.tolist()  # Retorna o resultado da inferência
 
-
 # Configurando a interface Gradio
 interface = gr.Interface(fn=predict, inputs="image", outputs="label")
-interface.launch()
+interface.launch(share=True)  # Adiciona 'share=True' para gerar o link público