app.py

import gradio as gr
from keras.models import load_model
from keras.preprocessing.image import img_to_array
from PIL import Image
import numpy as np


model = load_model("best_malaria_detector_model.h5")

# Fonction de prétraitement
def preprocess_image(img, target_size=(64, 64)):
    img = img.resize(target_size)
    img_array = img_to_array(img)
    img_array = img_array.astype("float32") / 255.0
    img_array = np.expand_dims(img_array, axis=0)
    return img_array

# Fonction de prédiction
def predict(image):
    img_array = preprocess_image(image)
    prediction = model.predict(img_array)[0][0]  # probabilite entre 0 et 1
    label = "Infectée (1)" if prediction >= 0.5 else "Non infectée (0)"
    confidence = prediction if prediction >= 0.5 else 1 - prediction
    return f"{label} (confiance : {confidence:.2%})"

# Interface Gradio
with gr.Blocks(theme=gr.themes.Soft()) as demo:
    gr.Markdown(
        """
        # 🐾 Détecteur de Malaria
        Téléversez une image pour savoir si la persone est  **infecté** ou  **non infecté**.

        👉 Formats supportés : JPG, PNG, JPEG
        """
    )

    with gr.Row():
        image_input = gr.Image(type="pil", label="Image à analyser")
        result_output = gr.Textbox(label="Résultat", lines=2)

    submit_btn = gr.Button("🔍 Prédire")

    submit_btn.click(fn=predict, inputs=image_input, outputs=result_output)

    gr.Examples(
        examples=[
            ["infecté.jpeg"],
            ["non_infecté.jpg"]
        ],
        inputs=image_input
    )

demo.launch()