File size: 1,419 Bytes
ed2886e 2673557 e1b0813 2673557 ed2886e 8a38fb8 e1b0813 b3b1355 2673557 b3b1355 2836436 1d863ee 2836436 b3b1355 e1b0813 2836436 2673557 f59b0ba b3b1355 8a38fb8 b3b1355 8a38fb8 b3b1355 2673557 b3b1355 | 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 | import streamlit as st
import numpy as np
from PIL import Image
import io
from tensorflow.keras.models import load_model
st.set_page_config(page_title="Hurma Sınıflandırıcı", layout="centered")
st.title("📷 Hurma Resmi Sınıflandırma")
st.write("Lütfen bir hurma resmi yükleyin ve hangi tür olduğunu tahmin edelim.")
# Model yükleniyor
@st.cache_resource
def load_model_cached():
return load_model("src/dates_classifier_model.h5")
model = load_model_cached()
class_names = [
'Rutab', 'Meneifi', 'Sokari', 'Galaxy', 'Shaishe',
'Medjool', 'Ajwa', 'Nabtat Ali', 'Sugaey'
]
# Fotoğraf işleme fonksiyonu
def process_image(img):
img = img.resize((224, 224))
img = np.array(img) / 255.0
img = np.expand_dims(img, axis=0)
return img
# Dosya yükleme
uploaded_file = st.file_uploader("Resim Seç (.jpg, .jpeg, .png)", type=["jpg", "jpeg", "png"])
if uploaded_file is not None:
try:
# BytesIO üzerinden oku
image = Image.open(io.BytesIO(uploaded_file.read())).convert("RGB")
st.image(image, caption="Yüklenen Resim", use_column_width=True)
# Tahmin
processed = process_image(image)
prediction = model.predict(processed)
predicted_class = np.argmax(prediction)
st.success(f"Tahmin edilen sınıf: **{class_names[predicted_class]}**")
except Exception as e:
st.error(f"Resim işlenemedi: {e}")
|