modified the app.py

app.py

@@ -1,26 +1,23 @@
 import gradio as gr
-from transformers import AutoModelForImageClassification, AutoFeatureExtractor, pipeline
+from transformers import pipeline
 
-# Carregar o modelo e o processador de imagens (AutoFeatureExtractor ao invés de AutoImageProcessor)
-model = AutoModelForImageClassification.from_pretrained("mestrevh/computer-vision-beans", use_safetensors=True)
-image_processor = AutoFeatureExtractor.from_pretrained("mestrevh/computer-vision-beans")
+# Carregar o modelo de classificação de feijão
+classifier = pipeline("image-classification", model="mestrevh/computer-vision-beans")
 
-# Criar o pipeline
-classifier = pipeline("image-classification", model=model, feature_extractor=image_processor)
-
-# Função de classificação
-def predict_image(image):
-    # A saída do classifier é uma lista de dicionários, pegar o label e a confiança
-    print("test")
+# Função para classificar a imagem
+def classify_bean(image):
     result = classifier(image)
-    label = result[0]['label']
-    confidence = result[0]['score']
-    return f"Class: {label}, Confidence: {confidence:.2f}"
+    return result[0]['label'], result[0]['score']
 
-# Interface Gradio
-interface = gr.Interface(fn=predict_image, 
-                         inputs=gr.Image(type="pil"), 
-                         outputs="text", 
-                         live=True)
+# Criar a interface com Gradio
+iface = gr.Interface(
+    fn=classify_bean,  # Função que será chamada
+    inputs=gr.inputs.Image(type="pil"),  # Tipo de entrada (imagem)
+    outputs=["text", "json"],  # O que será exibido após a classificação
+    live=True,  # Atualizar automaticamente
+    title="Classificação de Feijões",  # Título do aplicativo
+    description="Faça o upload de uma imagem de feijão e descubra a classificação!",  # Descrição
+)
 
-interface.launch()
+# Rodar o aplicativo
+iface.launch()