Update app.py

app.py

@@ -7,9 +7,12 @@ import os
 
 # Definir rutas
 code_path = '/app'  # Usando ruta del contenedor Docker
-models_path = os.path.join(code_path, 'models')
 haarcascade_path = 'haarcascade_frontalface_default.xml'  # Usamos ruta relativa
 
+# Rutas de los modelos
+modelo_mejor_path = os.path.join(code_path, 'modelo_estimacion_edad_mejor.h5')
+modelo_final_path = os.path.join(code_path, 'modelo_estimacion_edad_final.h5')
+
 # Imprimir la ruta para verificar
 print(f"Ruta al archivo Haar Cascade: {haarcascade_path}")
 
@@ -26,17 +29,20 @@ if face_cascade.empty():
     print("Error al cargar el clasificador Haar Cascade.")
     exit()
 
-# Verificar si el modelo existe
-modelo_guardado = os.path.join(models_path, 'modelo_estimacion_edad_mejor.h5')
-if not os.path.exists(modelo_guardado):
-    print(f'No se encontró el modelo en {modelo_guardado}. Por favor, entrena el modelo primero.')
-    exit()
+# Cargar ambos modelos
+modelo_mejor = load_model(modelo_mejor_path)
+modelo_final = load_model(modelo_final_path)
 
-modelo = load_model(modelo_guardado)
-print('Modelo cargado exitosamente.')
+print('Modelos cargados exitosamente.')
 
 # Función para procesar la imagen y predecir la edad
-def estimar_edad(imagen):
+def estimar_edad(imagen, modelo_seleccionado="mejor"):
+    # Seleccionar el modelo
+    if modelo_seleccionado == "mejor":
+        modelo = modelo_mejor
+    else:
+        modelo = modelo_final
+
     # Convertir la imagen a escala de grises para la detección de rostros
     gray = cv2.cvtColor(imagen, cv2.COLOR_BGR2GRAY)
 
@@ -67,9 +73,14 @@ def estimar_edad(imagen):
         return "No se detectaron rostros en la imagen."
 
 # Crear la interfaz con Gradio
-iface = gr.Interface(fn=estimar_edad, 
-                     inputs=gr.inputs.Image(type="numpy", label="Sube una imagen"),
-                     outputs="text")
+iface = gr.Interface(
+    fn=estimar_edad, 
+    inputs=[
+        gr.inputs.Image(type="numpy", label="Sube una imagen"),
+        gr.inputs.Radio(choices=["mejor", "final"], label="Selecciona el modelo", default="mejor")  # Elegir modelo
+    ], 
+    outputs="text"
+)
 
 # Lanzar la interfaz de Gradio
 iface.launch()