File size: 1,524 Bytes
3000a80 8bad3e6 3000a80 8bad3e6 aab9838 8bad3e6 c81b5a7 8bad3e6 eae52cb 8bad3e6 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 | import gradio as gr
import tensorflow as tf
from tensorflow.keras.models import load_model
import numpy as np
from tensorflow.keras.preprocessing import image
# Memuat model yang telah dilatih
model_keenam = load_model('hasil_model.h5')
# Fungsi untuk memproses gambar dan membuat prediksi
def predict_image(img):
# Mengubah ukuran gambar sesuai dengan input model
img = img.resize((128, 128))
# Mengkonversi gambar menjadi array numpy dan normalisasi
img_array = np.array(img) / 255.0
# Memperluas dimensi untuk batch size (model membutuhkan input batch)
img_array = np.expand_dims(img_array, axis=0)
# Melakukan prediksi
predictions = model_keenam.predict(img_array)
# Mendapatkan indeks kelas dengan probabilitas tertinggi
class_names = ['Cardboard','Food Organics','Glass','Metal','Miscellaneous Trash','Paper','Plastic','Textile Trash','Vegetation']
predicted_class = class_names[np.argmax(predictions)]
return predicted_class, np.max(predictions)
# Membuat antarmuka Gradio
iface = gr.Interface(
fn=predict_image,
inputs=gr.Image(type='pil'), # Menggunakan input gambar
outputs=[gr.Label(num_top_classes=1), gr.Textbox()], # Menampilkan label dan probabilitas
live=True, # Memungkinkan prediksi langsung saat gambar diupload
title="Prediksi Klasifikasi Sampah", # Judul aplikasi
description="Upload gambar sampah untuk mendapatkan prediksi klasifikasi berdasarkan model."
)
# Menjalankan antarmuka
iface.launch() |