Create new file

app.py

@@ -0,0 +1,35 @@
+!pip install -q gradio
+from keras.models import load_model
+import numpy as np
+from keras.preprocessing import image
+from keras.preprocessing.image import load_img
+from PIL import ImageFilter
+from PIL import Image
+import cv2
+import os
+
+weight_path = r'/content/drive/MyDrive/恶劣天气图像识别代码-毕业设计-戴一凡/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=["rainy.jpg", "sunny.jpg"],
+    interpretation="default",cache_examples=True,title="恶劣天气图像识别与预警"
+).launch(enable_queue=True)