app1.py

import streamlit as st
import tensorflow as tf
import numpy as np
from PIL import Image
import os

# 1. SAYFA AYARLARI
st.set_page_config(page_title="Meyve & Sebze Tanıma", page_icon="🍎")

# 2. MODELİ YÜKLE (Senin klasöründeki gerçek dosya adıyla güncellendi)
@st.cache_resource
def load_my_model():
    # ls çıktısında gördüğümüz gerçek isim budur:
    model_adi = 'meyve_sebze_resnet50_lstm.keras'
    
    # Çalışma dizinini kontrol et ve dosyayı bul
    if not os.path.exists(model_adi):
        st.error(f"HATA: '{model_adi}' dosyası bulunamadı! Lütfen dosya adının doğru olduğundan emin olun.")
        return None
    
    return tf.keras.models.load_model(model_adi)

model = load_my_model()

# 3. SINIF LİSTESİ
classes = [
    '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'
]

# 4. ARAYÜZ
st.title("🍎 Fruit and Vegetable Recognition System")
st.write("ResNet50 + LSTM Model Test Panel")
st.markdown("---")

uploaded_file = st.file_uploader("Upload a fruit or vegetable image...", type=["jpg", "jpeg", "png"])

if uploaded_file is not None and model is not None:
    image = Image.open(uploaded_file)
    st.image(image, caption='Yüklenen Resim', use_container_width=True)
    
    if st.button("ŞİMDİ TAHMİN ET"):
        with st.spinner('Analiz ediliyor...'):
            img = image.convert('RGB').resize((170, 170))
            img_array = np.array(img).astype('float32') / 255.0  # Normalizasyon
            img_array = np.expand_dims(img_array, axis=0)
            
            predictions = model.predict(img_array)
            result_index = np.argmax(predictions)
            
            st.success(f"### Tahmin: {classes[result_index].upper()}")
            st.info(f"Güven Oranı: %{np.max(predictions)*100:.2f}")

st.markdown("---")
st.caption("Developer: Elif Ş. Besiktepe")