Create app.py

app.py

@@ -0,0 +1,63 @@
+import os, io, requests, time
+from PIL import Image
+import gradio as gr
+
+API_URL = "https://api-inference.huggingface.co/tuphamdf/skincare-detection"
+HF_TOKEN = os.environ.get("HF_TOKEN", "")
+HEADERS = {"Authorization": f"Bearer {HF_TOKEN}"} if HF_TOKEN else {}
+
+def analyze(image):
+    if image is None:
+        return "Δεν δόθηκε εικόνα."
+
+    # Downscale για ταχύτητα
+    image = image.copy()
+    image.thumbnail((1024, 1024))
+
+    buf = io.BytesIO()
+    image.save(buf, format="JPEG", quality=90)
+    data = buf.getvalue()
+
+    # Απλό retry αν το μοντέλο “ζεσταίνεται”
+    for i in range(3):
+        r = requests.post(API_URL, headers=HEADERS, data=data, timeout=60)
+        if r.status_code == 503:
+            time.sleep(2*(i+1))
+            continue
+        r.raise_for_status()
+        break
+
+    preds = r.json()
+    try:
+        top = sorted(preds, key=lambda x: x.get("score", 0), reverse=True)[:3]
+    except Exception:
+        return f"Μη αναμενόμενη απόκριση API: {preds}"
+
+    labels = [p["label"].lower() for p in top if "label" in p]
+    recos = []
+    if any("acne" in l or "pimple" in l for l in labels):
+        recos.append("Ήπιος καθαρισμός + BHA 1–2x/εβδ.")
+    if any("red" in l or "rosacea" in l or "erythema" in l for l in labels):
+        recos.append("Serum με niacinamide/centella (soothing).")
+    if any("dry" in l or "xerosis" in l for l in labels):
+        recos.append("Ενυδάτωση με ceramides + hyaluronic acid.")
+    if not recos:
+        recos.append("Βασική ρουτίνα: gentle cleanser, ενυδατική, SPF.")
+
+    result_lines = [f"{p['label']}: {p['score']:.1%}" for p in top if "label" in p]
+    return (
+        "Ανάλυση (top-3):\n- " + "\n- ".join(result_lines) +
+        "\n\nΠροτάσεις:\n- " + "\n- ".join(recos) +
+        "\n\n⚠️ MVP επίδειξης — όχι ιατρική διάγνωση."
+    )
+
+demo = gr.Interface(
+    fn=analyze,
+    inputs=gr.Image(type="pil", sources=["upload","webcam"], label="Ανέβασε ή τράβηξε φωτογραφία"),
+    outputs=gr.Textbox(label="Αποτέλεσμα"),
+    title="AI Skin Analyzer (MVP)",
+    description="Ανάλυση δέρματος με Hugging Face Inference API (demo)."
+)
+
+if __name__ == "__main__":
+    demo.launch()