Update src/streamlit_app.py

src/streamlit_app.py

@@ -3,47 +3,47 @@ from tensorflow.keras.models import load_model
 from PIL import Image
 import streamlit as st
 
-# Modeli yükle
 model = load_model('src/dates_classifier_model.h5')
 
-# Görsel işleme fonksiyonu
 def process_image(img):
-    img = img.resize((224, 224))  # Modelin beklediği boyut
-    img = np.array(img) / 255.0   # Normalizasyon
+    img = img.resize((224, 224))
+    img = np.array(img) / 255.0
     img = np.expand_dims(img, axis=0)
     return img
 
-# Arayüz başlığı
 st.title('Hurma Resmi Sınıflandırma')
 st.write('Bir hurma resmi yükleyin, hangi tür olduğunu tahmin edelim.')
 
-# Görsel yükleme alanı
+# Session state'te resim tutma
+if 'image' not in st.session_state:
+    st.session_state.image = None
+
 file = st.file_uploader('Bir Resim Seçin', type=['jpg', 'jpeg', 'png'])
 
 if file is not None:
     try:
-        img = Image.open(file).convert('RGB')  # Bazı görseller RGBA olabilir
-        st.image(img, caption='Yüklenen Resim', use_column_width=True)
-
-        # Tahmin işlemi
-        processed_image = process_image(img)
-        prediction = model.predict(processed_image)
-        predicted_class = np.argmax(prediction)
-
-        # Sınıf etiketleri
-        class_names = [
-            'Rutab',
-            'Meneifi',
-            'Sokari',
-            'Galaxy',
-            'Shaishe',
-            'Medjool',
-            'Ajwa',
-            'Nabtat Ali',
-            'Sugaey'
-        ]
-
-        st.write(f'Tahmin Edilen Sınıf: **{class_names[predicted_class]}**')
-    
-    except Exception as e:
-        st.error(f"Bir hata oluştu: {e}")
+        img = Image.open(file).convert('RGB')
+        st.session_state.image = img
+    except:
+        st.error("Görsel açılamadı.")
+
+if st.session_state.image is not None:
+    st.image(st.session_state.image, caption='Yüklenen Resim', use_column_width=True)
+
+    processed = process_image(st.session_state.image)
+    prediction = model.predict(processed)
+    predicted_class = np.argmax(prediction)
+
+    class_names = [
+        'Rutab',
+        'Meneifi',
+        'Sokari',
+        'Galaxy',
+        'Shaishe',
+        'Medjool',
+        'Ajwa',
+        'Nabtat Ali',
+        'Sugaey'
+    ]
+
+    st.success(f'Tahmin: **{class_names[predicted_class]}**')