Update app.py

app.py

@@ -93,34 +93,45 @@ def get_primary_input_name(model):
 import time
 import numpy as np
 
-def _update_progress(progress, value, desc=None, animate=True):
+import time
+import numpy as np
+
+def _update_progress(progress, 100, desc="Génération de la Carte Chaleur...", animate=False, sleep=0.05):
     """
-    Met à jour la barre Gradio en animant entre la dernière valeur et la nouvelle.
-    - value peut être entre 0..100 ou 0..1
-    - animate=True fait une interpolation en plusieurs petits pas
+    Met à jour la barre de progression Gradio.
+    
+    - progress : objet gr.Progress
+    - value    : valeur cible (0–100 ou 0–1)
+    - desc     : texte affiché
+    - animate  : si True, interpolation fluide entre l'ancienne valeur et la nouvelle
+    - sleep    : temps d'attente (secondes) après update, pour forcer l'UI à se rafraîchir
     """
     if progress is None:
         return
 
     # normalisation
-    val = float(value)
-    if val > 1.0:  
-        val = val / 100.0  
+    try:
+        val = float(value)
+        if val > 1.0:
+            val = val / 100.0
+    except Exception:
+        val = 0.0
 
-    # récupérer l'état précédent
-    last = getattr(progress, "_last_val", 0.0)
+    # récupérer la dernière valeur connue
+    last_val = getattr(progress, "_last_val", 0.0)
 
     try:
-        if animate and val > last:
-            # interpolation progressive
+        if animate and val > last_val:
+            # interpolation fluide
             steps = 8
-            for step in np.linspace(last, val, steps):
+            for step in np.linspace(last_val, val, steps):
                 if desc:
                     progress(float(step), desc=desc)
                 else:
                     progress(float(step))
                 time.sleep(0.02)  # vitesse de lissage
         else:
+            # mise à jour directe
             if desc:
                 progress(val, desc=desc)
             else:
@@ -128,8 +139,13 @@ def _update_progress(progress, value, desc=None, animate=True):
     except Exception:
         pass
 
+    # sauvegarder la valeur pour la prochaine fois
     progress._last_val = val
 
+    # petit délai optionnel pour forcer le rafraîchissement
+    if sleep > 0:
+        time.sleep(sleep)
+
 
 # ---- PREDICT SINGLE ----
 def predict_single(img_input, weights=(0.45, 0.25, 0.30), normalize=True):