Update app.py

app.py

@@ -6,33 +6,19 @@ import tensorflow as tf
 from tensorflow.keras.applications.efficientnet import preprocess_input
 import requests
 from io import BytesIO
-from ultralytics import YOLO
 
-# ======================================================
-#                 Load Models
-# ======================================================
+# load model + label encoder
 MODEL_SAVE_PATH = "guava_model.keras"
 LABEL_ENCODER_PATH = "label_encoder.pkl"
-YOLO_MODEL_PATH = "yolov8_guava.pt"
 
-# Load ENB0 model
 model = tf.keras.models.load_model(MODEL_SAVE_PATH)
-
-# Load label encoder
 with open(LABEL_ENCODER_PATH, "rb") as f:
     label_encoder = pickle.load(f)
 
-# Load YOLOv8
-yolo_model = YOLO(YOLO_MODEL_PATH)
-
-# Lấy đúng input size của model
-IMG_SIZE = (model.input_shape[1], model.input_shape[2])
-
+IMG_SIZE = model.input_shape[1:3]
 
-# ======================================================
-#            Load image from URL
-# ======================================================
 def load_image_from_url(url):
+    """Tải ảnh từ URL và return PIL."""
     try:
         resp = requests.get(url, timeout=5)
         img = Image.open(BytesIO(resp.content)).convert("RGB")
@@ -40,73 +26,47 @@ def load_image_from_url(url):
     except:
         return None
 
-
-# ======================================================
-#                Predict Function
-# ======================================================
-def compare_models(img, url):
-
-    # --- Ưu tiên URL ---
-    if url and url.strip():
+def predict_fn(img, url):
+    """img: numpy image (upload), url: string"""
+    
+    # Ưu tiên dùng URL nếu có
+    if url and url.strip() != "":
         img_pil = load_image_from_url(url)
         if img_pil is None:
-            return "❌ URL không hợp lệ!", None, None, None
+            return "❌ Không tải được ảnh từ URL!", None
     else:
+        # sử dụng ảnh upload
         if img is None:
-            return "❌ Chưa cung cấp ảnh!", None, None, None
-
+            return "❌ Chưa cung cấp ảnh!", None
         img_pil = Image.fromarray(img).convert("RGB")
 
-    # ===================== ENB0 =======================
+    # preprocess
     img_resized = img_pil.resize(IMG_SIZE)
-    arr = np.array(img_resized, dtype=np.float32)
+    arr = np.array(img_resized).astype("float32")
     arr = preprocess_input(arr)
-    arr = np.expand_dims(arr, axis=0)
+    arr = np.expand_dims(arr, 0)
 
     preds = model.predict(arr)
     idx = int(np.argmax(preds, axis=1)[0])
     confidence = float(np.max(preds))
     label = label_encoder.inverse_transform([idx])[0]
 
-    enb0_text = f"{label} (Conf {confidence:.2f})"
-
-    # ===================== YOLO =======================
-    results = yolo_model(img_pil)
-    result = results[0]
-
-    if len(result.boxes) > 0:
-        best = result.boxes[0]
-        cls_id = int(best.cls[0])
-        conf = float(best.conf[0])
-        yolo_label = yolo_model.model.names[cls_id]
-        yolo_text = f"{yolo_label} (Conf {conf:.2f})"
-
-        img_yolo = result.plot()
-        img_yolo = Image.fromarray(img_yolo[..., ::-1])
-    else:
-        yolo_text = "Không phát hiện!"
-        img_yolo = img_pil
-
-    return enb0_text, yolo_text, img_pil, img_yolo
+    return f"✅ {label} ", img_pil
 
 
-# ======================================================
-#                    Gradio UI
-# ======================================================
+# Giao diện Gradio
 demo = gr.Interface(
-    fn=compare_models,
+    fn=predict_fn,
     inputs=[
         gr.Image(type="numpy", label="Upload Image"),
-        gr.Textbox(label="Hoặc nhập URL ảnh")
+        gr.Textbox(label="Hoặc dán URL ảnh online")
     ],
     outputs=[
-        gr.Textbox(label="ENB0 Prediction"),
-        gr.Textbox(label="YOLOv8 Prediction"),
-        gr.Image(label="Original Image"),
-        gr.Image(label="YOLOv8 Detection Image")
+        gr.Textbox(label="Prediction"),
+        gr.Image(label="Preview Image")
     ],
-    title="Guava Classifier — YOLOv8 vs EfficientNetB0",
-    description="So sánh kết quả phân loại giữa YOLOv8 và EfficientNetB0."
+    title="Guava Classifier",
+    description="Upload ảnh Ổi hoặc nhập URL ảnh để phân loại."
 )
 
-demo.launch()
+demo.launch(inline=True) sửa lại code này để tôi làm so sánh kết quả giữa yoloV8 và ENB0 deloy lên hunging face