Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,48 +1,28 @@
 import streamlit as st
-import numpy as np
 from PIL import Image
-import io
+import numpy as np
 from tensorflow.keras.models import load_model
+import io
 
-st.set_page_config(page_title="Hurma Sınıflandırıcı", layout="centered")
-
-st.title("📷 Hurma Resmi Sınıflandırma")
-st.write("Lütfen bir hurma resmi yükleyin ve hangi tür olduğunu tahmin edelim.")
-
-# Model yükleniyor
-@st.cache_resource
-def load_model_cached():
-    return load_model("src/dates_classifier_model.h5")
+def main():
+    st.set_page_config(page_title="Hurma Sınıflandırıcı")
 
-model = load_model_cached()
+    st.title("📷 Hurma Resmi Sınıflandırma")
+    st.write("Bir hurma resmi yükleyin ve hangi tür olduğunu tahmin edelim.")
 
-class_names = [
-    'Rutab', 'Meneifi', 'Sokari', 'Galaxy', 'Shaishe',
-    'Medjool', 'Ajwa', 'Nabtat Ali', 'Sugaey'
-]
+    model = load_model("src/dates_classifier_model.h5")
 
-# Fotoğraf işleme fonksiyonu
-def process_image(img):
-    img = img.resize((224, 224))
-    img = np.array(img) / 255.0
-    img = np.expand_dims(img, axis=0)
-    return img
+    class_names = ['Ajwa', 'Medjool', 'Sokari']  # Örnek
 
-# Dosya yükleme
-uploaded_file = st.file_uploader("Resim Seç (.jpg, .jpeg, .png)", type=["jpg", "jpeg", "png"])
+    file = st.file_uploader("Resim seç", type=["jpg", "jpeg", "png"])
+    if file:
+        image = Image.open(io.BytesIO(file.read())).convert("RGB")
+        st.image(image, caption="Yüklenen Resim")
 
-if uploaded_file is not None:
-    try:
-        # BytesIO üzerinden oku
-        image = Image.open(io.BytesIO(uploaded_file.read())).convert("RGB")
-        st.image(image, caption="Yüklenen Resim", use_column_width=True)
+        img = image.resize((224, 224))
+        img = np.array(img) / 255.0
+        img = np.expand_dims(img, axis=0)
 
-        # Tahmin
-        processed = process_image(image)
-        prediction = model.predict(processed)
+        prediction = model.predict(img)
         predicted_class = np.argmax(prediction)
-
-        st.success(f"Tahmin edilen sınıf: **{class_names[predicted_class]}**")
-
-    except Exception as e:
-        st.error(f"Resim işlenemedi: {e}")
+        st.success(f"Tahmin: {class_names[predicted_class]}")