Update README.md

README.md

@@ -1,20 +1,55 @@
 ---
-title: Fruit Veg Classifier
-emoji: 🚀
-colorFrom: red
-colorTo: red
-sdk: docker
-app_port: 8501
-tags:
-- streamlit
+title: Fruit & Veg Classifier / Meyve ve Sebze Sınıflandırıcı
+emoji: 🍎
+colorFrom: green
+colorTo: yellow
+sdk: streamlit
+app_file: app.py
 pinned: false
-short_description: Fruit-Veg-Classifier
+short_description: CNN model to identify 36 fruit and vegetable species.
 license: apache-2.0
 ---
 
-# Welcome to Streamlit!
+## 🍎 Fruit & Veg Classifier / Meyve ve Sebze Sınıflandırıcı
 
-Edit `/src/streamlit_app.py` to customize this app to your heart's desire. :heart:
+### 📝 Project Overview / Proje Özeti
+**EN:** This project is a Deep Learning application that classifies **36 different fruits and vegetables**. It features a custom-built **5-layer Convolutional Neural Network (CNN)**. The project demonstrates the full pipeline from data preprocessing (EDA) to model deployment.
+
+**TR:** Bu proje, **36 farklı meyve ve sebzeyi** sınıflandıran bir Derin Öğrenme uygulamasıdır. **5 katmanlı özel bir Evrişimli Sinir Ağı (CNN)** mimarisine sahiptir. Proje, veri ön işlemeden (EDA) modelin canlıya alınmasına kadar tüm süreçleri kapsar.
+
+---
+
+### 🚀 How to Use / Nasıl Kullanılır?
+**EN:**
+1. **Upload:** Drop a fruit or vegetable photo (JPG/PNG).
+2. **Predict:** Click the **"Predict / Tahmin Et"** button.
+3. **Result:** See the English and Turkish names of the species with the confidence level.
+
+**TR:**
+1. **Yükle:** Bir meyve veya sebze fotoğrafı yükleyin (JPG/PNG).
+2. **Tahmin:** **"Predict / Tahmin Et"** butonuna tıklayın.
+3. **Sonuç:** Türün İngilizce ve Türkçe isimlerini güven oranıyla birlikte görün.
+
+---
+
+### 📊 Model Architecture / Model Mimarisi
+**EN:** * **CNN Layers:** 5 Convolutional layers for feature extraction.
+* **Regularization:** Batch Normalization and Dropout (0.5) to prevent overfitting.
+* **Input Size:** 128x128 pixels.
+* **Optimizer:** Adam.
+
+**TR:**
+* **CNN Katmanları:** Öznitelik çıkarımı için 5 Evrişim katmanı.
+* **Düzenlileştirme:** Aşırı öğrenmeyi önlemek için Batch Normalization ve Dropout (0.5).
+* **Giriş Boyutu:** 128x128 piksel.
+* **Optimizasyon:** Adam.
+
+---
+
+### 📂 Files / Dosyalar
+* `app.py`: Streamlit interface code / Arayüz kodu.
+* `cnn_model.h5`: Trained CNN model weights / Eğitilmiş model ağırlıkları.
+* `requirements.txt`: Necessary libraries / Gerekli kütüphaneler.
+
+---
 
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).