Upload 3 files

README.md

@@ -1,14 +1,26 @@
----
-title: CropVision
-emoji: 🚀
-colorFrom: green
-colorTo: green
-sdk: gradio
-sdk_version: 5.28.0
-app_file: app.py
-pinned: false
-license: mit
-short_description: Modelo CropVision
----
-
-Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference
+    # CropVision – Hugging Face Space
+
+    Este Space demonstra um modelo CNN que classifica folhas de videira da região do Douro em quatro classes:
+
+    * Healthy
+    * Leaf Blight
+    * Black Rot
+    * ESCA
+
+    O backend usa **Gradio** para a interface de upload/predição e **TensorFlow/Keras** para inferência.  
+    Licença do código: **MIT** (ver ficheiro LICENSE ou campo de licença do repositório).
+
+    ## Como usar
+
+    1. Faça upload de `cropvision_model.keras` (ou `.h5`) na raiz do Space, juntamente com `app.py` e `requirements.txt`.
+    2. O Space compila automaticamente e disponibiliza uma página de teste.
+
+    ## Requisitos
+
+    ```
+    gradio
+tensorflow
+pillow
+numpy
+    ```
+

app.py

@@ -0,0 +1,39 @@
+import gradio as gr
+import numpy as np
+from tensorflow.keras.preprocessing.image import img_to_array
+from tensorflow.keras.models import load_model
+from PIL import Image
+
+# --- Constants ---
+IMG_SIZE = (224, 224)
+CLASS_ORDER = ['Healthy', 'Leaf Blight', 'Black Rot', 'ESCA']
+MODEL_PATH = "cropvision_model.keras"  # ensure this file is in the same folder
+
+# --- Load model once at startup ---
+model = load_model(MODEL_PATH)
+
+# --- Prediction function ---
+def predict(image: Image.Image):
+    # Resize & preprocess
+    img = image.convert("RGB").resize(IMG_SIZE)
+    arr = img_to_array(img) / 255.0
+    arr = np.expand_dims(arr, 0)
+
+    # Inference
+    probs = model.predict(arr)
+    cls   = CLASS_ORDER[int(np.argmax(probs))]
+    conf  = float(np.max(probs))
+
+    return f"{cls}  ({conf:.1%})"
+
+# --- Gradio UI ---
+demo = gr.Interface(
+    fn=predict,
+    inputs=gr.Image(type="pil", label="Carrega uma imagem"),
+    outputs=gr.Textbox(label="Resultado"),
+    title="CropVision – classificação de doenças na videira",
+    description="Modelo que vai distinguir Healthy / Leaf Blight / Black Rot / ESCA"
+)
+
+if __name__ == "__main__":
+    demo.launch()

requirements.txt

@@ -0,0 +1,4 @@
+gradio
+tensorflow
+pillow
+numpy