Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,5 +1,30 @@
 
-# app.py içindeki liste Notebook'taki çıktı ile AYNI sırada olmalı
+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 ve tekrar yüklemeyi önler) ---
+@st.cache_resource
+def load_my_model():
+    model_path = "cnn_model.h5"
+    if not os.path.exists(model_path):
+        return None
+    # Model yüklenirken hata oluşursa sessizce yönetir
+    try:
+        model = tf.keras.models.load_model(model_path)
+        return model
+    except:
+        return None
+
+model = load_my_model()
+
+# --- SINIF İSİMLERİ (Notebook Sıralaması İle Birebir Aynı) ---
+# İngilizce (Klasör isimleri)
 class_names = [
     'apple', 'banana', 'beetroot', 'bell pepper', 'cabbage', 'capsicum', 
     'carrot', 'cauliflower', 'chilli pepper', 'corn', 'cucumber', 'eggplant', 
@@ -9,16 +34,76 @@ class_names = [
     'sweetpotato', 'tomato', 'turnip', 'watermelon'
 ]
 
-# Tahmin kısmında 'titreme' ve 'yanlış sonuç' engelleme:
-if st.button("Predict / Tahmin Et"):
-    with st.spinner("Analyzing..."):
-        img = image.resize((128, 128))
-        img_array = np.array(img).astype('float32') / 255.0  # <--- UNUTMA!
-        img_array = np.expand_dims(img_array, axis=0)
+# Türkçe Karşılıkları
+class_tr = [
+    'Elma', 'Muz', 'Pancar', 'Dolmalık Biber', 'Lahana', 'Dolma Biber (Capsicum)', 
+    'Havuç', 'Karnabahar', 'Acı Biber', 'Mısır', 'Salatalık', 'Patlıcan', 
+    'Sarımsak', 'Zencefil', 'Üzüm', 'Jalapeno Biberi', 'Kivi', 'Limon', 'Marul', 
+    'Mango', 'Soğan', 'Portakal', 'Kırmızı Toz Biber', 'Armut', 'Bezelye', 'Ananas', 
+    'Nar', 'Patates', 'Turp', 'Soya Fasulyesi', 'Ispanak', 'Tatlı Mısır', 
+    'Tatlı Patates', 'Domates', 'Şalgam', 'Karpuz'
+]
+
+# --- ARAYÜZ / UI ---
+st.title("🍎 Fruit & Veg Classifier / Meyve ve Sebze Sınıflandırıcı")
+st.write("36 different species / 36 farklı tür")
+st.divider()
+
+# Yan Panel / Sidebar
+with st.sidebar:
+    st.header("Project Info / Proje Bilgisi")
+    st.info("Architecture: Custom 5-Layer CNN\n\nMimari: Özel 5 Katmanlı CNN")
+    
+    st.subheader("Species List / Tür Listesi")
+    # Liste görünümü (İngilizce / Türkçe)
+    for en, tr in zip(class_names, class_tr):
+        st.write(f"• {en.capitalize()} / {tr}")
+
+# Ana İçerik Alanı
+if model is None:
+    st.error("Model file 'cnn_model.h5' not found! Please upload the model file. / '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 fruit/veg photo...", type=["jpg", "jpeg", "png"])
         
-        preds = model.predict(img_array)
-        # Notebook'ta test ederken aldığın sonucun aynısını buraya yansıtır
-        class_idx = np.argmax(preds[0]) 
-        result = class_names[class_idx]
+        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("Analysis / Analiz 🔍")
         
-        st.success(f"Result: {result}")
+        if uploaded_file is not None:
+            if st.button("Predict / Tahmin Et"):
+                with st.spinner("Analyzing... / Analiz ediliyor..."):
+                    # 1. Ön İşleme (Preprocessing)
+                    img = image.resize((128, 128))
+                    img_array = np.array(img).astype('float32')
+                    
+                    # 2. Normalizasyon (Hep aynı meyvenin çıkmasını engelleyen kritik adım)
+                    img_array /= 255.0 
+                    img_array = np.expand_dims(img_array, axis=0)
+                    
+                    # 3. Tahmin (Prediction)
+                    preds = model.predict(img_array, verbose=0)
+                    class_idx = np.argmax(preds[0])
+                    confidence = np.max(preds[0]) * 100
+                    
+                    # 4. Sonuçları Göster
+                    en_result = class_names[class_idx].capitalize()
+                    tr_result = class_tr[class_idx]
+                    
+                    st.success(f"### Result / Sonuç: {en_result} / {tr_result}")
+                    st.write(f"**Confidence / Güven:** %{confidence:.2f}")
+                    st.progress(int(confidence))
+                    
+                    # Kutlama
+                    st.balloons()
+        else:
+            st.info("Waiting for an image to analyze... / Analiz için resim bekleniyor...")
+
+st.divider()
+st.caption("Deep Learning Project - Fruit & Vegetable Detection")