app.py

from keras.models import load_model
import numpy as np
from PIL import Image
import cv2
import os
import gradio as gr
weight_path = r'basic.h5' #权重文件
model = load_model(weight_path)

labels=['天气:小雨，  降雨强度(mm/min):0.8，  能见度(m):500，  道路摩擦系数:0.64,  限速(km/h):80',
    '天气:中雨，  降雨强度(mm/min):1.2，  能见度(m):250，  道路摩擦系数:0.58,  限速(km/h):50',
    '天气:大雨，  降雨强度(mm/min):1.6，  能见度(m):50-150， 道路摩擦系数:0.45,  限速(km/h):30',
    '天气:薄雾，  降雨强度(mm/min):0，   能见度(m):500:，  道路摩擦系数:0.8,  限速(km/h):110',
    '天气:大雾，  降雨强度(mm/min):0，   能见度(m):200，   道路摩擦系数:0.8,  限速(km/h):70',
    '天气:浓雾，  降雨强度(mm/min):0:，   能见度(m):50-100， 道路摩擦系数:0.8,  限速(km/h):40',
    '天气:晴，   降雨强度(mm/min):0，   能见度(m):>1000:，  道路摩擦系数:0.8,  限速(km/h):120']
    
def classify_image(inp):
  inp = inp.resize((256,256), Image.ANTIALIAS) #缩放到事先指定的大小
  inp = np.expand_dims(inp, axis=0)
  prediction = model.predict(inp)
  confidences = {labels[i]: float(prediction[0][i]) for i in range(7)}
  return confidences
  
gr.Interface(
    fn=classify_image,
    inputs=gr.Image(type="pil",shape=(256,256)),
    outputs=gr.Label(num_top_classes=1),
    examples=["sunny.jpg"],
    interpretation="default",cache_examples=True,title="恶劣天气图像识别与预警"
).launch(enable_queue=True)