Update app.py

app.py

@@ -2,21 +2,45 @@ import gradio as gr
 import tensorflow as tf
 import numpy as np
 
+# --- Configuración ---
 IMG_SIZE = (224, 224)
-MODEL_PATH = "dental_classifier_model.keras"
+MODEL_PATH = "dental_classifier_model.keras" # Asegúrate de que esta ruta sea correcta
 CLASS_NAMES = ['no_valido', 'valido']
 
-model = tf.keras.models.load_model(MODEL_PATH)
+# --- Cargar Modelo ---
+# Manejo de errores básico para la carga del modelo
+try:
+    model = tf.keras.models.load_model(MODEL_PATH)
+    print("Modelo cargado exitosamente.")
+except Exception as e:
+    print(f"Error cargando el modelo desde {MODEL_PATH}: {e}")
+    print("Asegúrate de que el archivo 'dental_classifier_model.keras' esté en el mismo directorio.")
+    # Salir o manejar el error como prefieras si el modelo no se carga
+    # Por ahora, Gradio mostrará un error si 'model' no está definido.
 
+# --- Funciones de Procesamiento ---
 def preprocess_image(img):
+    """Preprocesa la imagen de entrada al formato que espera el modelo."""
+    if img is None:
+        return None
     img = tf.image.resize(img, IMG_SIZE)
     img_array = tf.expand_dims(img, 0)
-    img_array = img_array / 255.0
+    img_array = img_array / 255.0    # Normalizar
     return img_array
 
 def predecir(rx_image):
+    """Realiza la predicción y formatea la salida HTML."""
+    if rx_image is None:
+        return "<div style='color:red; text-align:center; padding-top:100px;'>Por favor, sube una imagen primero.</div>"
+        
     img_array = preprocess_image(rx_image)
-    preds = model.predict(img_array)
+    
+    try:
+        preds = model.predict(img_array)
+    except Exception as e:
+        print(f"Error durante la predicción: {e}")
+        return f"<div style='color:red; text-align:center; padding-top:100px;'>Error al procesar el modelo: {e}</div>"
+
     score = tf.nn.softmax(preds[0])
     
     predicted_index = np.argmax(score)
@@ -27,46 +51,60 @@ def predecir(rx_image):
     other_class = CLASS_NAMES[other_index]
     other_confidence = score[other_index] * 100
     
-    color_texto = "#4CAF50" if predicted_class == "valido" else "#FF0000"
+    # --- Modificación de Estilo ---
+    # El color del borde sigue siendo dinámico (verde/rojo)
+    color_borde = "#4CAF50" if predicted_class == "valido" else "#FF0000"
+    # El color del texto ahora es siempre negro (#000000)
+    color_texto_resultado = "#000000" 
     
+    # HTML para el resultado
     resultado_texto = f"""
     <div style='
-        font-size:36px;
-        text-align:center;
-        padding:40px;
-        height:350px;
-        border: 3px solid {color_texto};
-        border-radius:25px;
-        background-color:#ffffff;  /* fondo blanco seguro */
-        display:flex;
-        flex-direction:column;
-        justify-content:center;
-        color:{color_texto};
+        font-size:36px; 
+        text-align:center; 
+        padding:40px; 
+        height:350px; 
+        border: 3px solid {color_borde}; /* Borde dinámico */
+        border-radius:25px; 
+        background-color:#ffffff;
+        display:flex; 
+        flex-direction:column; 
+        justify-content:center; 
+        color:{color_texto_resultado}; /* Texto siempre negro */
         box-shadow: 0 4px 12px rgba(0,0,0,0.15);
     '>
         <div>Resultado: <b>{predicted_class.upper()}</b></div>
         <div>Confianza: {confidence:.2f}%</div>
-        <div>Probabilidad {other_class}: {other_confidence:.2f}%</div>
+        <div style='font-size: 24px; margin-top: 15px;'>
+            (Probabilidad {other_class}: {other_confidence:.2f}%)
+        </div>
     </div>
     """
     
     return resultado_texto
 
+# --- Interfaz de Gradio ---
 with gr.Blocks(theme="default") as demo:
     # Forzar fondo claro en toda la app
-    gr.HTML("<style>body{background-color:#ffffff;}</style>")
+    gr.HTML("<style>body{background-color:#ffffff !important;}</style>")
     
     gr.Markdown("## Clasificador RX LAB 🦷 V1(529NV-348V) TFG Marta B.")
     
     with gr.Row():
-        with gr.Column():
-            rx_input = gr.Image(type="numpy", label="Sube tu RX")  
-            boton_analizar = gr.Button("Analizar")
-            boton_limpiar = gr.Button("Limpiar")
-        with gr.Column():
+        with gr.Column(scale=1):
+            rx_input = gr.Image(type="numpy", label="Sube tu RX")
+            
+            with gr.Row():
+                boton_limpiar = gr.Button("Limpiar", variant="secondary")
+                boton_analizar = gr.Button("Analizar", variant="primary")
+                
+        with gr.Column(scale=1):
             resultado = gr.HTML(label="Resultado")
-    
+
+    # --- Conexiones de Eventos ---
     boton_analizar.click(fn=predecir, inputs=rx_input, outputs=resultado)
     boton_limpiar.click(lambda: (None, None), inputs=[], outputs=[rx_input, resultado])
 
-demo.launch()
+# --- Lanzar la App ---
+if __name__ == "__main__":
+    demo.launch()