app.py

from fastapi import FastAPI, UploadFile, File
import numpy as np
import tensorflow as tf
from PIL import Image
import io

app = FastAPI()

# Load model Keras
model = tf.keras.models.load_model("lontara_model_finetuning.keras")

# Label kelas sesuai model
labels = [
    "Tu", "He", "We", "No", "Mu", "Bu", "Ji", "Jo", "I", "Nro", "Cu", "Na", "Bo", "Yi", "Se", "Nyi",
    "So", "Wa", "Ko", "Ge", "E", "Yo", "Ngu", "Ra", "Wo", "Ta", "Pe", "Nra", "Da", "Ci", "Lo", "Nci",
    "U", "Ro", "Mo", "Nre", "Du", "Be", "Mpu", "Hu", "Ne", "Nyo", "Ncu", "Su", "Ju", "Gu", "Nu", "Di",
    "Nri", "Gi", "Co", "Nca", "Ri", "Si", "Ja", "Bi", "Ke", "Wu", "Nki", "Te", "Go", "Ya", "Nku", "Pu",
    "Nka", "Ba", "Mpe", "A", "Nya", "Me", "Nge", "Mpa", "Ma", "Mpi", "O", "Mi", "Re", "Po", "Ti", "Je",
    "Nco", "Pa", "Ho", "Nko", "Ce", "Li", "Nke", "Ru", "Ca", "Ke_", "Do", "Ga", "Mpo", "Nye", "Nru", "Nga",
    "Lu", "Pi", "Ku", "Ni", "Nce", "Le", "Ngo", "De", "Ki", "Wi", "Hi", "Ye", "Ngi", "Ka", "Nyu", "La",
    "Ha", "Sa"
]

@app.get("/")
def home():
    return {"message": "Aksara Lontara API is running"}

@app.post("/predict")
async def predict(file: UploadFile = File(...)):
    # **Baca gambar dari file upload tanpa pre-processing tambahan**
    image = Image.open(io.BytesIO(await file.read())).convert("L")  # Convert ke grayscale
    image = image.resize((128, 128))  # Resize ke 128x128 sesuai model
    image = np.array(image) / 255.0  # Normalisasi
    image = image.reshape(1, 128, 128, 1)  # Reshape untuk model

    # **Lakukan prediksi**
    prediction = model.predict(image)
    predicted_label = labels[np.argmax(prediction)]

    return {"prediction": predicted_label}