import gradio as gr
from transformers import pipeline
from fastapi import FastAPI

# Memuat model untuk klasifikasi makanan
food_classifier = pipeline(task="image-classification", model="mhdiqbalpradipta/minang_food_classification")


def prediksi_makanan(gambar):
    # Melakukan prediksi menggunakan model
    hasil = food_classifier(images=gambar)[0]

    # Menyimpan label dan skor
    label_makanan = hasil['label']
    skor = hasil['score']

    return f"Makanan: {label_makanan}, Skor: {skor:.2f}"

# Antarmuka Gradio
image_in = gr.Image(type='pil')
label_out = "text"
contoh_gambar = ['ayam_goreng.jpg', 'ayam_pop.jpg', 'daging_rendang.jpg', 'dendeng_batokok.jpg', 'gulai_ikan.jpg', 'gulai_tambusu.jpg', 'gulai_tunjang.jpg', 'telur_balado.jpg', 'telur_dadar.jpg']

intf = gr.Interface(fn=prediksi_makanan, inputs=image_in, outputs=label_out, examples=contoh_gambar, title="Pengklasifikasi Makanan Minang", description="Unggah gambar makanan untuk mengklasifikasikannya menjadi hidangan Minang.")

# if __name__ == "__main__":
app = FastAPI()

@app.get('/')
async def root():
    return 'Gradio app is running at /gradio', 200

app = gr.mount_gradio_app(app, intf, path='/gradio')
# intf.launch(share=False)