Update app.py

app.py

@@ -3,31 +3,50 @@ import tensorflow as tf
 import numpy as np
 from tensorflow.keras.preprocessing import image
 
-# Cargar el modelo (.keras)
+# Cargar modelo
 def load_model():
     return tf.keras.models.load_model("modelo_frutas_transfer.keras")
 
 model = load_model()
 
-# Clases del modelo (ajusta si es necesario)
-class_names = ['Fresa', 'Limon', 'Manzana', 'Pera','Platano', 'Uva']
+# Etiquetas
+class_names = ['Fresa', 'Limon', 'Manzana', 'Pera', 'Platano', 'Uva']
 
-# Función de predicción
+# Función de predicción con confianza y todas las probabilidades
 def predict_image(image_input):
     img = image.load_img(image_input, target_size=(150, 150))
     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
-iface = gr.Interface(
-    fn=predict_image,
-    inputs=gr.Image(type="filepath", label="Cargar imagen de fruta"),
-    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()
+    
+    pred = model.predict(img_array)[0]
+    predicted_index = np.argmax(pred)
+    predicted_label = class_names[predicted_index]
+    confidence = float(pred[predicted_index])
+
+    # Generar tabla de resultados
+    result_table = {class_names[i]: f"{pred[i]*100:.2f}%" for i in range(len(class_names))}
+    
+    return f"🍓 {predicted_label} ({confidence*100:.2f}% confianza)", confidence, result_table
+
+# Interfaz avanzada
+with gr.Blocks(theme=gr.themes.Base(), title="Clasificador de Frutas 🍎🍌🍇") as demo:
+    gr.Markdown(
+        """
+        # 🧠 Clasificador de Frutas con IA
+        Sube una imagen de una fruta y el modelo predecirá cuál es.  
+        Utiliza aprendizaje profundo y visión por computadora para darte una respuesta precisa.
+        """
+    )
+    
+    with gr.Row():
+        with gr.Column(scale=1):
+            image_input = gr.Image(type="filepath", label="📷 Sube una imagen", tool="editor", height=300)
+            submit_button = gr.Button("🔍 Clasificar fruta")
+        with gr.Column(scale=1):
+            prediction_output = gr.Textbox(label="🍍 Predicción", lines=1)
+            confidence_bar = gr.Slider(0, 1, label="🔎 Confianza del modelo", interactive=False)
+            probs_output = gr.Dataframe(headers=["Fruta", "Probabilidad (%)"], label="📊 Tabla de clases", row_count=6, col_count=2)
+
+    submit_button.click(fn=predict_image, inputs=image_input, outputs=[prediction_output, confidence_bar, probs_output])
+
+demo.launch()