Update pages/Entorno de Ejecución.py

pages/Entorno de Ejecución.py

@@ -68,31 +68,32 @@ with col_a:
     IMAGE_WIDTH = IMAGE_HEIGHT = 224
 
 with col_b:
-    uploaded_file = st.file_uploader(label = '',type= ['jpg','png', 'jpeg', 'jfif', 'webp', 'heic'])
-    
-    if uploaded_file is not None:
-        # Load the image and resize it to the required dimensions
-        img = np.frombuffer(uploaded_file.read(), np.uint8)
-        img = cv2.imdecode(img, cv2.IMREAD_COLOR)
-        raw_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
-        img = cv2.resize(img, (IMAGE_WIDTH, IMAGE_HEIGHT))
-    
-        # Convert the image to RGB and preprocess it for the model
-        img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
-        img = img / 255.
+    if st.button('Predecir'):
+        uploaded_file = st.file_uploader(label = '',type= ['jpg','png', 'jpeg', 'jfif', 'webp', 'heic'])
+        
+        if uploaded_file is not None:
+            # Load the image and resize it to the required dimensions
+            img = np.frombuffer(uploaded_file.read(), np.uint8)
+            img = cv2.imdecode(img, cv2.IMREAD_COLOR)
+            raw_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+            img = cv2.resize(img, (IMAGE_WIDTH, IMAGE_HEIGHT))
+        
+            # Convert the image to RGB and preprocess it for the model
+            img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
+            img = img / 255.
+        
+            # Pass the image to the model and get the prediction
+            if ultra_flag:
+                with st.spinner('Cargando ultra-predicción...'):
+                    y_gorrito = ensemble_model(ultraptctrn, img)
+            else:
+                with st.spinner('Cargando predicción...'):
+                    y_gorrito = ensemble_model(selected_models, img)
     
-        # Pass the image to the model and get the prediction
-        if ultra_flag:
-            with st.spinner('Cargando ultra-predicción...'):
-                y_gorrito = ensemble_model(ultraptctrn, img)
-        else:
-            with st.spinner('Cargando predicción...'):
-                y_gorrito = ensemble_model(selected_models, img)
-
-        if y_gorrito > threshold:
-            st.success("¡Patacón Detectado!")
-        else:
-            st.error("No se encontró rastro de patacón.")
-        st.caption(f'La probabilidad de que la imagen tenga un patacón es del: {round(float(y_gorrito), 2)*100}%')
-        #st.write('Si los resultados no fueron los esperados, por favor, despliga la barra lateral y entra al botón "Report a Bug"')
-        st.image(raw_img)
+            if y_gorrito > threshold:
+                st.success("¡Patacón Detectado!")
+            else:
+                st.error("No se encontró rastro de patacón.")
+            st.caption(f'La probabilidad de que la imagen tenga un patacón es del: {round(float(y_gorrito), 2)*100}%')
+            #st.write('Si los resultados no fueron los esperados, por favor, despliga la barra lateral y entra al botón "Report a Bug"')
+            st.image(raw_img)