Update app.py

app.py

@@ -3,50 +3,31 @@ import tensorflow as tf
 import numpy as np
 from tensorflow.keras.preprocessing import image
 
-# Cargar modelo
+# Cargar el modelo
 def load_model():
     return tf.keras.models.load_model("modelo_frutas_transfer.keras")
 
 model = load_model()
 
-# Etiquetas
+# Clases del modelo
 class_names = ['Fresa', 'Limon', 'Manzana', 'Pera', 'Platano', 'Uva']
 
-# Función de predicción con confianza y todas las probabilidades
-def predict_image(image_input):
-    img = image.load_img(image_input, target_size=(150, 150))
+# 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)[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", 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()
+    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()