Update app.py

app.py

@@ -1,18 +1,81 @@
-__all__ = ['learn', 'classify_image', 'categories', 'image', 'label', 'examples', 'intf']
-
 from fastai.vision.all import *
 import gradio as gr
 
+# Carregar o modelo
 learn = load_learner('export.pkl')
-#export.pkl is the name of the neural network file, change accordingly
 
-categories = ('cuts_and_wounds', 'fracture', 'rash', 'splinter')
-def classify_image(img):
+# Categorias em português
+categorias = ('cortes_e_feridas', 'fratura', 'erupção_cutânea', 'fragmento')
+
+def classificar_imagem(img):
+    """Função para classificar a imagem e retornar as probabilidades"""
     pred, idx, probs = learn.predict(img)
-    return dict(zip(categories, map(float, probs)))
+    return {cat: float(prob) for cat, prob in zip(categorias, probs)}
+
+# Exemplos de imagens para teste
+exemplos = [
+    'Cuts_for_nn.jpeg',
+    'Fracture_examp.jpeg',
+    'Rash.jpeg',
+    'Splinter_examp.jpeg',
+    'Splinter_download.jpeg',
+    'Cut_download.jpeg',
+    'Rash_download.jpeg',
+    'Fracture_download.jpeg'
+]
+
+# Criando a interface moderna do Gradio
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("""
+    # 🏥 Classificador de Imagens Médicas
+    
+    Faça upload de uma imagem para classificar entre as seguintes categorias:
+    - Cortes e Feridas
+    - Fraturas
+    - Erupções Cutâneas
+    - Fragmentos
+    """)
+    
+    with gr.Row():
+        with gr.Column():
+            input_image = gr.Image(
+                label="Faça upload ou arraste uma imagem aqui",
+                type="pil",
+                height=300
+            )
+            upload_button = gr.Button("Classificar Imagem", variant="primary")
+        
+        with gr.Column():
+            label_output = gr.Label(
+                label="Resultados da Classificação",
+                num_top_classes=4
+            )
+    
+    # Galeria de exemplos
+    gr.Examples(
+        examples=exemplos,
+        inputs=input_image,
+        outputs=label_output,
+        fn=classificar_imagem,
+        cache_examples=True,
+        label="Imagens de Exemplo"
+    )
+    
+    # Configurar o evento de clique do botão
+    upload_button.click(
+        fn=classificar_imagem,
+        inputs=input_image,
+        outputs=label_output
+    )
+    
+    gr.Markdown("""
+    ### Como usar:
+    1. Faça upload de uma imagem ou use um dos exemplos abaixo
+    2. Clique no botão 'Classificar Imagem'
+    3. Veja os resultados da classificação com as probabilidades
+    
+    ⚠️ Nota: Este é apenas um sistema de demonstração e não deve ser usado para diagnóstico médico.
+    """)
 
-image=gr.Image(height = 300, width = 300)
-label = gr.Label()
-examples = ['Cuts_for_nn.jpeg', 'Fracture_examp.jpeg', 'Rash.jpeg', 'Splinter_examp.jpeg', 'Splinter_download.jpeg', 'Cut_download.jpeg', 'Rash_download.jpeg', 'Fracture_download.jpeg']
-intf = gr.Interface(fn=classify_image, inputs=image, outputs=label, examples=examples)
-intf.launch(inline=False)
+# Iniciar a aplicação
+demo.launch(share=True)