app.py

import gradio as gr
from transformers import pipeline
from PIL import Image

# Memuat model tetap sama
model = pipeline("image-classification", model="wellCh4n/tomato-leaf-disease-classification-vit", top_k=10)

# Fungsi klasifikasi tetap sama
def classify(image):
    if image is None:
        # Menambahkan pengecekan untuk gambar kosong untuk stabilitas
        return None
    if not isinstance(image, Image.Image):
        image = Image.fromarray(image)
    
    predictions = model(image)
    
    # Mengubah format output agar sesuai dengan yang diharapkan oleh gr.Label
    confidences = {p['label']: p['score'] for p in predictions}
    
    return confidences

# --- PERUBAHAN UTAMA: Membangun UI dengan gr.Blocks ---
with gr.Blocks(theme=gr.themes.Soft()) as app:
    gr.Markdown(
        """
        # Analisis Penyakit Tanaman 🍅
        Unggah gambar daun tanaman untuk mengidentifikasi potensi penyakit.
        """
    )

    with gr.Row():
        with gr.Column():
            # 1. Definisikan komponen input gambar secara manual
            image_input = gr.Image(type="pil", label="Unggah Gambar Daun")
            
            # 2. Definisikan tombol untuk memulai analisis
            submit_button = gr.Button("Analisis Gambar", variant="primary")
            
        with gr.Column():
            # 3. Definisikan komponen output label secara manual
            label_output = gr.Label(label="Hasil Analisis")

    # 4. Hubungkan aksi tombol 'click' dengan fungsi 'classify'
    # Di sinilah kita mendefinisikan API secara eksplisit dan solid
    submit_button.click(
        fn=classify,
        inputs=image_input,
        outputs=label_output,
        api_name="predict"  # Nama API sekarang terikat pada aksi, bukan interface
    )

# Meluncurkan aplikasi tetap sama
app.launch(show_api=True)