Create app.py

app.py

@@ -0,0 +1,33 @@
+import gradio as gr
+from inference_example import AgribotInference
+
+# 1) Charger le modèle UNE FOIS au démarrage
+predictor = AgribotInference(model_path="agribot_models.pkl")
+
+# 2) Fonction utilisée par l’UI Gradio
+def infer(image):
+    """
+    image: PIL Image (Gradio gère ça pour toi)
+    """
+    # On adapte légèrement: le predict actuel prend un chemin de fichier,
+    # alors on peut soit modifier la classe, soit créer une variante.
+    # Ici, on réécrit une petite fonction dédiée.
+    image = image.convert("RGB")
+    img_tensor = predictor.transform(image).unsqueeze(0)
+    features = predictor.extract_features(img_tensor)
+    prediction_idx = predictor.model.predict(features)[0]
+    probabilities = predictor.model.predict_proba(features)[0]
+    confidence = float(probabilities.max() * 100)
+    diagnosis = predictor.class_labels[prediction_idx]
+    return f"{diagnosis} ({confidence:.2f}%)"
+
+demo = gr.Interface(
+    fn=infer,
+    inputs=gr.Image(type="pil", label="Upload maize leaf image"),
+    outputs=gr.Textbox(label="Diagnosis"),
+    title="AgriBot - Maize Leaf Disease Diagnosis",
+    description="Upload a maize leaf image to get a disease diagnosis."
+)
+
+if __name__ == "__main__":
+    demo.launch()