src/streamlit_app.py

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.")