Update app.py

app.py

@@ -77,26 +77,33 @@ class_to_tonne = {
     "Mülltüten_aus_Kunststoff": "Restmüll"
 }
 
-# Gradio Blocks UI
-with gr.Blocks(title="Abfallerkennung mit KI 🗑️") as demo:
-    gr.Markdown("### Lade ein Bild hoch und erfahre, in welche Tonne der Abfall gehört.")
+# Def Predict
+def predict_image(image):
+    if image.mode != "RGB":
+        image = image.convert("RGB")
+    input_tensor = transform(image).unsqueeze(0).to(model.device)
+    with torch.no_grad():
+        outputs = model(input_tensor)
+        _, predicted = torch.max(outputs, 1)
+        label = class_labels[predicted.item()]
+        tonne = class_to_tonne.get(label, "Unbekannt")
     
-    image_input = gr.Image(type="pil", label="Bild hochladen")
-    output_label = gr.Textbox(label="Vorhersage")
-    output_tonne = gr.Textbox(label="Richtiger Abfallbehälter")
-    button = gr.Button("Analysieren")
+    return {
+        "Klasse": label.replace("_", " ").capitalize(),
+        "Gehört in die": tonne
+    }
 
-    def analyze(image):
-        if image.mode != "RGB":
-            image = image.convert("RGB")
-        input_tensor = transform(image).unsqueeze(0).to(device)
-        with torch.no_grad():
-            outputs = model(input_tensor)
-            _, predicted = torch.max(outputs, 1)
-            label = class_labels[predicted.item()]
-            tonne = class_to_tonne.get(label, "Unbekannt")
-        return label.replace("_", " ").capitalize(), tonne
+# Gradio Interface
+interface = gr.Interface(
+    fn=predict_image,
+    inputs=gr.Image(type="pil", label="Bild hochladen"),
+    outputs=[
+        gr.Textbox(label="Vorhersage (Klasse auf Deutsch)"),
+        gr.Textbox(label="Richtiger Abfallbehälter")
+    ],
+    title="Abfallerkennung mit KI 🗑️",
+    description="Lade ein Bild hoch und erfahre, in welche Tonne der Abfall gehört.",
+    live=True
+)
 
-    button.click(fn=analyze, inputs=image_input, outputs=[output_label, output_tonne])
-
-demo.launch(share=True, show_api=False)
+interface.launch()