Update src/streamlit_app.py

src/streamlit_app.py

@@ -3,31 +3,47 @@ from tensorflow.keras.models import load_model
 from PIL import Image
 import streamlit as st
 
-# Modeli yükle (src klasörünün içindeyse)
+# Modeli yükle
 model = load_model('src/dates_classifier_model.h5')
 
+# Görsel işleme fonksiyonu
 def process_image(img):
-    img = img.resize((224, 224))
-    img = np.array(img) / 255.0
+    img = img.resize((224, 224))  # Modelin beklediği boyut
+    img = np.array(img) / 255.0   # Normalizasyon
     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
 file = st.file_uploader('Bir Resim Seçin', type=['jpg', 'jpeg', 'png'])
 
 if file is not None:
-    img = Image.open(file)
-    st.image(img, caption='Yüklenen Resim', use_column_width=True)
-
-    processed_image = process_image(img)
-    prediction = model.predict(processed_image)
-    predicted_class = np.argmax(prediction)
-
-    class_names = [
-        'Rutab', 'Meneifi', 'Sokari', 'Galaxy', 'Shaishe',
-        'Medjool', 'Ajwa', 'Nabtat Ali', 'Sugaey'
-    ]
-
-    st.write(f'Tahmin Edilen Sınıf: **{class_names[predicted_class]}**')
+    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}")