src/streamlit_app.py

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}")