File size: 1,625 Bytes
ed2886e 2836436 ed2886e 8a38fb8 ed2886e 8a38fb8 2836436 8a38fb8 2836436 1d863ee 2836436 8a38fb8 2836436 8a38fb8 1d863ee 8a38fb8 2836436 8a38fb8 2836436 8a38fb8 f59b0ba 8a38fb8 1d863ee 8a38fb8 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 | import numpy as np
from tensorflow.keras.models import load_model
from PIL import Image
import streamlit as st
import io
st.set_page_config(page_title="Hurma Sınıflandırıcı", layout="centered")
# Modeli yükle
model = load_model('src/dates_classifier_model.h5')
# Görseli işle
def process_image(img):
img = img.resize((224, 224))
img = np.array(img) / 255.0
img = np.expand_dims(img, axis=0)
return img
# Uygulama başlığı
st.title('🥭 Hurma Resmi Sınıflandırma')
st.write('Lütfen bir hurma fotoğrafı yükleyin. Hangi tür olduğunu tahmin edelim.')
# Session State'te görüntüyü saklama
if "img_bytes" not in st.session_state:
st.session_state.img_bytes = None
# Dosya yükleyici
file = st.file_uploader("Bir Resim Seçin", type=["jpg", "jpeg", "png"])
# Dosya varsa bytes olarak sakla (çökme engellenir)
if file is not None:
st.session_state.img_bytes = file.read()
# Görsel varsa göster ve tahmin et
if st.session_state.img_bytes:
try:
img = Image.open(io.BytesIO(st.session_state.img_bytes)).convert("RGB")
st.image(img, caption="Yüklenen Resim", use_column_width=True)
processed = process_image(img)
prediction = model.predict(processed)
predicted_class = np.argmax(prediction)
class_names = [
'Rutab', 'Meneifi', 'Sokari', 'Galaxy', 'Shaishe',
'Medjool', 'Ajwa', 'Nabtat Ali', 'Sugaey'
]
st.success(f"✅ Tahmin: **{class_names[predicted_class]}**")
except:
st.error("⚠️ Görsel işlenemedi. Lütfen geçerli bir .jpg veya .png dosyası yükleyin.")
|