app.py

import gradio as gr
import requests

# Define una variable global para almacenar la etiqueta predicha
predicted_label = ""

def predict(image):
    global predicted_label
    
    # URL del modelo en Hugging Face
    url = "https://api-inference.huggingface.co/models/riabayonaor/modelo_prediccion_enfermedades_pepinos"
    
    # Encabezados para la solicitud
    headers = {
        "Authorization": "Bearer hf_xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"
    }
    
    # Crear un objeto de archivo para la imagen
    files = {"file": image}
    
    # Hacer la solicitud POST al modelo
    response = requests.post(url, headers=headers, files=files)
    
    # Comprobar el estado de la respuesta
    if response.status_code == 200:
        result = response.json()
        # Suponiendo que el resultado es una lista de etiquetas con probabilidades
        labels = [item['label'] for item in result]  # Extrae solo las etiquetas
        formatted_labels = ", ".join(labels)  # Formatea las etiquetas como una cadena
        predicted_label = formatted_labels  # Guarda la etiqueta en la variable global
        return formatted_labels
    else:
        return "Error en la predicción"

# Carga el modelo en Gradio y define la interfaz personalizada
interface = gr.Interface(
    fn=predict,
    inputs=gr.Image(type="file", label="Subir una imagen"),
    outputs=gr.Textbox(label="Etiquetas predichas")
)

# Lanza la interfaz
interface.launch()