app.py

import gradio as gr
import tensorflow as tf
import numpy as np
from tensorflow.keras.preprocessing import image

# Cargar el modelo
def load_model():
    return tf.keras.models.load_model("modelo_frutas_transfer.keras")

model = load_model()

# Clases del modelo
class_names = ['Fresa', 'Limon', 'Manzana', 'Pera', 'Platano', 'Uva']

# Función de predicción usando imagen PIL
def predict_image(img):
    img = img.resize((150, 150))  # Asegurar tamaño
    img_array = image.img_to_array(img) / 255.0
    img_array = np.expand_dims(img_array, axis=0)
    pred = model.predict(img_array)
    predicted_class = np.argmax(pred, axis=1)[0]
    return class_names[predicted_class]

# Interfaz Gradio (sin "tool", con PIL)
iface = gr.Interface(
    fn=predict_image,
    inputs=gr.Image(type="pil", label="📷 Sube una imagen de fruta", height=300),
    outputs=gr.Textbox(label="🍎 Predicción de la clase"),
    title="Clasificador de Frutas",
    description="Sube una imagen de una fruta y el modelo predecirá qué fruta es."
)

iface.launch()