Update app.py

app.py

@@ -1,96 +1,103 @@
-
-import streamlit as st
-import tensorflow as tf
-from PIL import Image
-import numpy as np
-import os
-
-# --- SAYFA AYARLARI / PAGE CONFIG ---
-st.set_page_config(page_title="Fruit & Veg Classifier", layout="wide", page_icon="🍎")
-
-# --- MODEL YÜKLEME / LOAD MODEL ---
-@st.cache_resource
-def load_my_model():
-    # Model dosya adının 'cnn_model.h5' olduğundan emin olun
-    model_path = "cnn_model.h5"
-    model = tf.keras.models.load_model(model_path)
-    return model
-
-try:
-    model = load_my_model()
-except Exception as e:
-    st.error(f"Model dosyası bulunamadı! / Model file not found!: {e}")
-
-# --- SINIF İSİMLERİ / CLASS NAMES ---
-# Veri setindeki klasör sırasına göre burayı güncelleyin
-class_names = [
-    'Apple', 'Banana', 'Beetroot', 'Bell Pepper', 'Cabbage', 'Capsicum', 
-    'Carrot', 'Cauliflower', 'Chilli Pepper', 'Corn', 'Cucumber', 'Eggplant', 
-    'Garlic', 'Ginger', 'Grapes', 'Jalepeno', 'Kiwi', 'Lemon', 'Lettuce', 
-    'Mango', 'Onion', 'Orange', 'Paprika', 'Pear', 'Peas', 'Pineapple', 
-    'Pomegranate', 'Potato', 'Raddish', 'Soy Beans', 'Spinach', 'Sweetcorn', 
-    'Sweetpotato', 'Tomato', 'Turnip', 'Watermelon'
-]
-
-# --- ARAYÜZ / UI ---
-st.title("🍎 Fruit & Veg Classifier / Meyve ve Sebze Sınıflandırıcı")
-st.write("Identify your produce using Deep Learning / Derin Öğrenme ile ürünlerinizi tanımlayın.")
-st.divider()
-
-# Yan Panel / Sidebar
-with st.sidebar:
-    st.header("Project Info / Proje Bilgisi")
-    st.info("""
-    **EN:** This model uses a custom 5-layer CNN architecture trained on fruit and vegetable images.
-    \n**TR:** Bu model, meyve ve sebze görüntüleri üzerinde eğitilmiş 5 katmanlı özel bir CNN mimarisi kullanır.
-    """)
-    st.subheader("Species / Türler")
-    st.write(", ".join(class_names))
-
-# Ana İçerik / Main Content
-col1, col2 = st.columns([1, 1])
-
-with col1:
-    st.subheader("Upload / Yükle 📤")
-    uploaded_file = st.file_uploader("Choose a photo / Bir fotoğraf seçin...", type=["jpg", "jpeg", "png"])
-    
-    if uploaded_file is not None:
-        image = Image.open(uploaded_file)
-        st.image(image, caption="Uploaded Image / Yüklenen Resim", use_container_width=True)
-
-with col2:
-    st.subheader("Result / Sonuç 🔍")
-    
-    if uploaded_file is not None:
-        if st.button("Predict / Tahmin Et"):
-            with st.spinner("Processing... / İşleniyor..."):
-                # Ön İşleme / Preprocessing (Modelin eğitildiği boyuta göre: 128x128)
-                img = image.resize((128, 128))
-                img_array = np.array(img)
-                
-                # Eğer model 0-1 arası normalizasyon istiyorsa:
-                if img_array.max() > 1:
-                    img_array = img_array.astype('float32') / 255.0
-                
-                img_array = np.expand_dims(img_array, axis=0)
-                
-                # Tahmin / Prediction
-                predictions = model.predict(img_array)
-                score = np.max(predictions[0]) * 100
-                class_idx = np.argmax(predictions[0])
-                result = class_names[class_idx]
-                
-                # Sonuç Ekranı / Result Display
-                st.success(f"### {result}")
-                st.write(f"**Confidence / Güven:** %{score:.2f}")
-                
-                # İlerleme Çubuğu / Progress Bar
-                st.progress(int(score))
-                
-                # Kutlama / Celebration
-                st.balloons()
-    else:
-        st.write("Please upload an image to see the result. / Sonucu görmek için lütfen bir resim yükleyin.")
-
-st.divider()
+
+import streamlit as st
+import tensorflow as tf
+from PIL import Image
+import numpy as np
+import os
+
+# --- SAYFA AYARLARI / PAGE CONFIG ---
+st.set_page_config(page_title="Fruit & Veg Classifier", layout="wide", page_icon="🍎")
+
+# --- MODEL YÜKLEME / LOAD MODEL (Titremeyi önlemek için önbellekleme) ---
+@st.cache_resource
+def load_my_model():
+    model_path = "cnn_model.h5"
+    # Eğer model .keras formatındaysa ismi ona göre güncelleyin
+    if not os.path.exists(model_path):
+        return None
+    model = tf.keras.models.load_model(model_path)
+    return model
+
+model = load_my_model()
+
+# --- SINIF İSİMLERİ (İngilizce - Türkçe) / CLASS NAMES ---
+# Veri setindeki orijinal (klasör) isimleri solda, Türkçe karşılıkları sağdadır
+class_translations = {
+    'Apple': 'Elma', 'Banana': 'Muz', 'Beetroot': 'Pancar', 'Bell Pepper': 'Dolmalık Biber',
+    'Cabbage': 'Lahana', 'Capsicum': 'Yeşil Biber', 'Carrot': 'Havuç', 'Cauliflower': 'Karnabahar',
+    'Chilli Pepper': 'Acı Biber', 'Corn': 'Mısır', 'Cucumber': 'Salatalık', 'Eggplant': 'Patlıcan',
+    'Garlic': 'Sarımsak', 'Ginger': 'Zencefil', 'Grapes': 'Üzüm', 'Jalepeno': 'Jalapeno Biberi',
+    'Kiwi': 'Kivi', 'Lemon': 'Limon', 'Lettuce': 'Marul', 'Mango': 'Mango',
+    'Onion': 'Soğan', 'Orange': 'Portakal', 'Paprika': 'Kırmızı Toz Biber', 'Pear': 'Armut',
+    'Peas': 'Bezelye', 'Pineapple': 'Ananas', 'Pomegranate': 'Nar', 'Potato': 'Patates',
+    'Raddish': 'Turp', 'Soy Beans': 'Soya Fasulyesi', 'Spinach': 'Ispanak', 'Sweetcorn': 'Tatlı Mısır',
+    'Sweetpotato': 'Tatlı Patates', 'Tomato': 'Domates', 'Turnip': 'Şalgam', 'Watermelon': 'Karpuz'
+}
+
+# Orijinal klasör isimleri listesi (Tahmin için)
+class_names = list(class_translations.keys())
+
+# --- ARAYÜZ / UI ---
+st.title("🍎 Fruit & Veg Classifier / Meyve ve Sebze Sınıflandırıcı")
+st.write("Identify your produce / Ürünlerinizi tanımlayın.")
+st.divider()
+
+# --- YAN PANEL / SIDEBAR (Türkçe İsimler Eklendi) ---
+with st.sidebar:
+    st.header("Project Info / Proje Bilgisi")
+    st.info("Custom 5-Layer CNN / Özel 5 Katmanlı CNN")
+    
+    st.subheader("Species List / Tür Listesi")
+    # Türleri yan yana İngilizce / Türkçe olarak listeler
+    for eng, tr in class_translations.items():
+        st.write(f"• {eng} / {tr}")
+
+# --- ANA İÇERİK / MAIN CONTENT ---
+if model is None:
+    st.error("Model file 'cnn_model.h5' not found! / 'cnn_model.h5' dosyası bulunamadı!")
+else:
+    col1, col2 = st.columns([1, 1])
+
+    with col1:
+        st.subheader("Upload / Yükle 📤")
+        uploaded_file = st.file_uploader("Choose a photo / Fotoğraf seçin...", type=["jpg", "jpeg", "png"])
+        
+        if uploaded_file is not None:
+            image = Image.open(uploaded_file)
+            st.image(image, caption="Uploaded Image / Yüklenen Resim", use_container_width=True)
+
+    with col2:
+        st.subheader("Result / Sonuç 🔍")
+        
+        if uploaded_file is not None:
+            # Butona basıldığında titreme yapmaması için tüm işlemler bu bloğun içinde kalmalı
+            if st.button("Predict / Tahmin Et"):
+                with st.spinner("Processing... / İşleniyor..."):
+                    # Görüntü İşleme
+                    img = image.resize((128, 128))
+                    img_array = np.array(img).astype('float32')
+                    
+                    # Normalizasyon
+                    if img_array.max() > 1:
+                        img_array /= 255.0
+                    
+                    img_array = np.expand_dims(img_array, axis=0)
+                    
+                    # Tahmin
+                    predictions = model.predict(img_array, verbose=0)
+                    score = np.max(predictions[0]) * 100
+                    class_idx = np.argmax(predictions[0])
+                    
+                    eng_res = class_names[class_idx]
+                    tr_res = class_translations[eng_res]
+                    
+                    # Sonuç Ekranı
+                    st.success(f"### Result / Sonuç: {eng_res} / {tr_res}")
+                    st.write(f"**Confidence / Güven:** %{score:.2f}")
+                    st.progress(int(score))
+                    st.balloons()
+        else:
+            st.info("Waiting for image... / Resim bekleniyor...")
+
+st.divider()
 st.caption("Deep Learning Course Project / Derin Öğrenme Kurs Projesi")