# 导入所需库
import gradio as gr
from transformers import pipeline
import os

# 获取环境变量中的token
drainage_token = os.environ.get("drainage_token")

# 加载预训练模型
pipeline = pipeline(task="image-classification", model="zijia88/autotrain-drainage-56552131498", use_auth_token=drainage_token)

# 预测函数，输入图片，返回预测结果
def predict(image):
    predictions = pipeline(image)
    return {p["label"]: p["score"] for p in predictions}

# 创建Gradio接口
gr.Interface(
    predict, # 预测函数
    inputs=gr.inputs.Image(label="上传管道内窥检测图片", type="filepath"), # 图片上传输入组件
    outputs=gr.outputs.Label(num_top_classes=5), # 标签输出组件
    title="内窥检测隐患识别", # 接口标题
).launch() # 启动接口