Update app.py

app.py

@@ -1,14 +1,18 @@
 import gradio as gr
-import torch
 from PIL import Image
 import numpy as np
 from scipy.ndimage import label, find_objects
 
-# Cargar el modelo YOLO (usando YOLOv5 como ejemplo)
-model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # Puedes cambiar 'yolov5s' por cualquier otro modelo
+# Cargar el modelo YOLO (si necesitas usarlo en otro caso)
+# import torch
+# model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
 
 # Función para generar la máscara en lugar de la detección de objetos
 def generate_mask(image):
+    # Convertir la entrada en un objeto PIL.Image si no lo es
+    if isinstance(image, np.ndarray):
+        image = Image.fromarray(image)
+
     # Convertir la imagen a RGB y array de numpy
     image_rgb = image.convert("RGB")
     np_image = np.array(image_rgb)
@@ -79,7 +83,7 @@ def gradio_interface():
             img_input = gr.Image(label="Upload Image")
             img_output = gr.Image(label="Image with Generated Mask")
         
-        # Botón pequeño para clasificación de máscara
+        # Botón para generar la máscara
         btn_classify = gr.Button("Generate Mask for Fermentation Level")
         btn_classify.click(generate_mask, inputs=img_input, outputs=img_output)
 
@@ -101,3 +105,4 @@ def gradio_interface():
 if __name__ == "__main__":
     demo = gradio_interface()
     demo.launch()
+