Update app.py

app.py

@@ -1,6 +1,7 @@
 import matplotlib
 matplotlib.use('Agg')  # OBLIGATOIRE avant tout import plt — évite crash HF Spaces
 import matplotlib.pyplot as plt
+from matplotlib.figure import Figure   # thread-safe pour HF Spaces
 
 import gradio as gr
 import numpy as np
@@ -14,7 +15,7 @@ import cv2
 # ═══════════════════════════════════════════════════════════════
 
 NOISE_THRESHOLD  = 0.55
-FREQ_THRESHOLD   = 500
+FREQ_THRESHOLD   = 450    # abaissé 500→450 pour armoires pro / photos HDR retouchées
 ELA_THRESHOLD    = 0.30   # relevé de 0.25 → 0.30 pour attraper les retouches légères
 MIN_SIGNALS      = 2
 
@@ -163,7 +164,7 @@ def detect_deepfake(img):
     # > 55% zones silencieuses = bruit effacé globalement par un outil IA
     # Nano Banana écrase le bruit uniformément donc inter_block_var reste faible
     if silent_ratio > 0.55:
-        ai_confidence += 22;  signals_triggered += 1
+        ai_confidence += 28;  signals_triggered += 1
         reasons.append(
             f"⚠️ Traitement IA global — {silent_ratio*100:.0f}% zones sans bruit "
             f"(seuil > 55%) — Nano Banana / Gemini Edit / filtre IA detecte"
@@ -190,7 +191,7 @@ def detect_deepfake(img):
 
     final_score = min(ai_confidence, 100)
 
-    if final_score > 55:
+    if final_score > 45:
         label = "🚨 DEEPFAKE / GÉNÉRÉ / RETOUCHÉ"
     elif final_score > 28:
         label = "⚖️ SUSPICIEUX / MODIFIÉ"
@@ -215,6 +216,10 @@ def process(input_img):
     if input_img is None:
         return None, "⚠️ Veuillez charger une image."
 
+    # Sécurité RGBA → RGB (images PNG avec canal alpha)
+    if len(input_img.shape) == 3 and input_img.shape[2] == 4:
+        input_img = cv2.cvtColor(input_img, cv2.COLOR_RGBA2RGB)
+
     try:
         (score, label, reasons,
          fft, ela, noise,
@@ -227,8 +232,9 @@ def process(input_img):
     except Exception as e:
         return None, f"❌ Erreur d'analyse : {str(e)}"
 
-    # ── Figure 2×3 ──────────────────────────────────────────
-    fig, axes = plt.subplots(2, 3, figsize=(16, 10))
+    # ── Figure OO 2×3 — thread-safe pour HF Spaces ──────────
+    fig = Figure(figsize=(16, 10))
+    axes = fig.subplots(2, 3)
 
     axes[0, 0].imshow(input_img)
     axes[0, 0].set_title("Original")
@@ -251,9 +257,10 @@ def process(input_img):
     for ax in axes.flatten():
         ax.axis('off')
 
-    color = 'red' if score > 55 else ('orange' if score > 28 else 'green')
-    plt.suptitle(f"{label}  —  {score}%", fontsize=13, fontweight='bold', color=color)
-    plt.tight_layout()
+    # ← seuil 45 (fix v2.5) — la version proposée avait encore 55 ici
+    color = 'red' if score > 45 else ('orange' if score > 28 else 'green')
+    fig.suptitle(f"{label}  —  {score}%", fontsize=13, fontweight='bold', color=color)
+    fig.tight_layout()
 
     # ── Rapport ─────────────────────────────────────────────
     report  = f"RÉSULTAT : {label}\n"
@@ -270,7 +277,7 @@ def process(input_img):
         report += f"  [S6] Texture peau           : zone chair insuffisante (<2%)\n"
     report += f"\nSignaux actifs :\n"
     report += "\n".join(reasons) if reasons else "  Aucune trace de manipulation détectée."
-    report += "\n\n── ImageShield PRO v2.5 · ACoNum / Trusted Sound 2026 ──"
+    report += "\n\n── ImageShield PRO v2.6 · ACoNum / Trusted Sound 2026 ──"
 
     return fig, report
 
@@ -280,9 +287,9 @@ def process(input_img):
 # ──────────────────────────────────────────────────────────────
 with gr.Blocks() as demo:
     gr.Markdown(
-        "# 🛡️ ImageShield PRO v2.5\n"
+        "# 🛡️ ImageShield PRO v2.6\n"
         "### Analyse Forensic : Authentique vs Deepfake / Retouche\n"
-        "_v2.5 : 6 signaux — bruit capteur, FFT, ELA, gradients, retouche locale, skin smoothing_"
+        "_v2.6 : 6 signaux + Figure thread-safe + fix RGBA — bruit capteur, FFT, ELA, gradients, retouche locale, skin smoothing_"
     )
     with gr.Row():
         with gr.Column():