Update app.py

app.py

@@ -1,90 +1,97 @@
-import streamlit as st
-import numpy as np
-from PIL import Image
-import tensorflow as tf
-
-# Sayfa Genişliği Ayarı
-st.set_page_config(page_title="Grape Disease Detection", layout="wide")
-
-# -----------------------------
-# MODEL YÜKLEME
-# -----------------------------
-@st.cache_resource # Modelin her seferinde tekrar yüklenmesini engeller, hızı artırır
-def load_my_model():
-    return tf.keras.models.load_model("grape_disease_model.h5")
-
-model = load_my_model()
-
-# Sınıf İsimleri
-class_names = ['Black Rot', 'ESCA', 'Healthy', 'Leaf Blight']
-
-# -----------------------------
-# SOL PANEL (SIDEBAR) - BİLGİLENDİRME
-# -----------------------------
-with st.sidebar:
-    st.header("Hastalık Bilgileri / Disease Info")
-    
-    st.markdown("""
-    **1. Black Rot (Kara Leke/Çürüklük):** - 🇹🇷 Mantar kaynaklı bir hastalık.
-    - 🇺🇸 A fungal disease caused by Guignardia bidwellii.
-    
-    ---
-    **2. ESCA (Gövde Kanseri):** - 🇹🇷 Bağlarda görülen karmaşık bir mantar hastalığı.
-    - 🇺🇸 A complex fungal disease affecting the trunk and leaves.
-    
-    ---
-    **3. Healthy (Sağlıklı):** - 🇹🇷 Yaprağın herhangi bir hastalık taşımadığını ifade eder.
-    - 🇺🇸 Indicates that the leaf is healthy and disease-free.
-    
-    ---
-    **4. Leaf Blight (Yaprak Yanıklığı):** - 🇹🇷 Yapraklarda kurumaya ve lekelere neden olan bir hastalık türü.
-    - 🇺🇸 A disease causing browning and spotting on leaves.
-    """)
-
-# -----------------------------
-# ANA BAŞLIKLAR (ÇİFT DİLLİ)
-# -----------------------------
-st.title("🍇 Üzüm Yaprağı Hastalık Tespiti")
-st.subheader("Grape Leaf Disease Detection")
-st.write("---")
-
-# Sayfayı iki sütuna bölelim: Sol taraf yükleme, Sağ taraf sonuç
-col1, col2 = st.columns(2)
-
-with col1:
-    st.markdown("### 📷 Fotoğraf Yükle / Upload Image")
-    uploaded_file = st.file_uploader("", type=["jpg", "png", "jpeg"])
-
-if uploaded_file is not None:
-    image = Image.open(uploaded_file).convert("RGB")
-    st.image(image, caption="Yüklenen Resim / Uploaded Image", use_container_width=True)
-
-    # Ön İşleme (Preprocess)
-    img = image.resize((170, 170))
-    img = np.array(img) / 255.0
-    img = np.expand_dims(img, axis=0)
-
-    # Tahmin (Prediction)
-    with st.spinner('Teşhis konuluyor / Diagnosing...'):
-        pred = model.predict(img)
-        class_index = np.argmax(pred)
-        confidence = np.max(pred) * 100
-
-    with col2:
-        st.markdown("### 🔍 Analiz Sonucu / Analysis Result")
-        
-        # Sonuç Kutusu (Görselleştirme)
-        st.success(f"**Tahmin / Prediction:** {class_names[class_index]}")
-        
-        # Güven Skoru Göstergesi
-        st.metric(label="Güven Oranı / Confidence", value=f"%{confidence:.2f}")
-        
-        # İlerleme Çubuğu (Progress Bar)
-        st.progress(int(confidence))
-
-        # Bilgi Notu
-        st.info("""
-        **TR:** Bu sistem yapay zeka kullanarak analiz yapmaktadır. Kesin teşhis için uzman görüşü alınız.
-        
-        **EN:** This system uses AI for analysis. Please consult an expert for definitive diagnosis.
-        """)
+import streamlit as st
+import numpy as np
+from PIL import Image
+import tensorflow as tf
+import cv2
+
+# Sayfa ayarları - Titremeyi ve düzen bozukluğunu önlemek için
+st.set_page_config(
+    page_title="Grape Disease Detector",
+    page_icon="🍇",
+    layout="wide",
+    initial_sidebar_state="expanded"
+)
+
+# -----------------------------
+# MODELİ YÜKLE (Cache kullanarak hızı artırıyoruz)
+# -----------------------------
+@st.cache_resource
+def load_model():
+    model = tf.keras.models.load_model("grape_disease_model.h5")
+    return model
+
+model = load_model()
+
+# Sınıf isimleri - Datasetindeki klasör sırasına göre
+class_names = ['Black Rot', 'ESCA', 'Healthy', 'Leaf Blight']
+
+# -----------------------------
+# SOL PANEL (SIDEBAR) - BİLGİLENDİRME
+# -----------------------------
+with st.sidebar:
+    st.title("🌿 Bilgi Paneli / Info")
+    st.info("Hastalık Detayları / Disease Details")
+    
+    st.markdown("""
+    - **Black Rot:** Kara Leke/Çürüklük (Mantar)
+    - **ESCA:** Gövde Kanseri (Mantar)
+    - **Healthy:** Sağlıklı Yaprak
+    - **Leaf Blight:** Yaprak Yanıklığı
+    """)
+    st.divider()
+    st.write("Geliştirici: Deep Learning Project")
+
+# -----------------------------
+# ANA SAYFA ARAYÜZÜ
+# -----------------------------
+st.title("🍇 Üzüm Yaprağı Hastalık Teşhis Sistemi")
+st.write("Sistem, yüklediğiniz yaprak fotoğraflarını yapay zeka ile analiz eder.")
+
+# İki sütunlu yapı
+col1, col2 = st.columns([1, 1])
+
+with col1:
+    st.subheader("📷 Fotoğraf Yükle / Upload")
+    # Label kısmına bir metin ekledik ve boş bırakmadık (Titremeyi önleyen ana yer)
+    uploaded_file = st.file_uploader("Bir yaprak resmi seçiniz...", type=["jpg", "png", "jpeg"])
+
+if uploaded_file is not None:
+    # Resmi aç ve göster
+    image = Image.open(uploaded_file).convert("RGB")
+    
+    with col1:
+        # Yeni versiyona uygun resim gösterme
+        st.image(image, caption="Yüklenen Resim", use_container_width=True)
+
+    # --- TAHMİN AŞAMASI ---
+    with col2:
+        st.subheader("🔍 Analiz Sonucu / Result")
+        
+        with st.spinner('Yapay zeka analiz ediyor...'):
+            # Görüntü İşleme
+            img_resized = image.resize((170, 170))
+            img_array = np.array(img_resized) / 255.0
+            img_array = np.expand_dims(img_array, axis=0)
+
+            # Tahmin
+            prediction = model.predict(img_array)
+            class_index = np.argmax(prediction)
+            confidence = np.max(prediction) * 100
+
+        # Sonuçları ekrana bas
+        st.success(f"**Tahmin:** {class_names[class_index]}")
+        st.metric(label="Güven Oranı (Confidence)", value=f"%{confidence:.2f}")
+        
+        # İlerleme çubuğu
+        st.progress(int(confidence))
+        
+        # Tavsiye mesajı
+        if class_names[class_index] == 'Healthy':
+            st.balloons()
+            st.write("✅ Yaprak sağlıklı görünüyor.")
+        else:
+            st.warning("⚠️ Hastalık tespit edildi. İlgili bölgeyi kontrol etmeniz önerilir.")
+
+else:
+    with col2:
+        st.info("Lütfen sol taraftan bir fotoğraf yükleyin.")