Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,45 +1,63 @@
 import streamlit as st
-import numpy as np
 from PIL import Image
+import numpy as np
 from tensorflow.keras.models import load_model
 
-# ✅ Modeli yükle
+st.set_page_config(page_title="Sıtma Sınıflandırıcı", page_icon="🦟")
+
+st.title("🦟 Sıtma Resmi Sınıflandırma")
+st.write("Bir mikroskop görüntüsü yükleyin, sıtma olup olmadığını tahmin edelim.")
+
+# MODELİ YÜKLE (compile=False kritik!)
 try:
-    model = load_model("src/saved_model_format.keras", compile=False)
-    st.success("✅ Model yüklendi.")
+    model = load_model("src/myn_cnn_model.h5", compile=False)
+    st.success("✅ Model başarıyla yüklendi.")
 except Exception as e:
     st.error(f"❌ Model yüklenemedi: {e}")
     st.stop()
 
-class_names = ["Sıtma Yok", "Sıtma Var"]
-
-def process_image(img):
-    img = img.resize((170, 170))
-    img = np.array(img).astype("float32") / 255.0
-    img = np.expand_dims(img, axis=0)
-    return img
-
-st.title("🧫 Sıtma Tespiti Uygulaması")
-st.write("Hücre görüntüsünü yükleyin, model sıtma olup olmadığını tahmin etsin.")
+# SINIFLAR
+class_names = ["Sıtma Değil", "Sıtma"]
 
-file = st.file_uploader("Bir Resim Seç", type=['jpg', 'jpeg', 'png'])
+# GÖRSEL SEÇİCİ
+file = st.file_uploader("📷 Mikroskop Görüntüsü Seçin", type=["jpg", "jpeg", "png"])
 
-if file is not None:
+# TAHMİN İŞLEMİ
+if file:
     try:
         image = Image.open(file).convert("RGB")
-        st.image(image, caption="Yüklenen Görsel", use_container_width=True)
-        
-        img = process_image(image)
-        st.write("✅ Görsel hazır, tahmin yapılıyor...")
-        
+        st.image(image, caption="Yüklenen Resim", use_container_width=True)
+
+        img = image.resize((170, 170))
+        img = np.array(img) / 255.0
+        img = np.expand_dims(img, axis=0)
+
+        # 📌 TAHMİN
         prediction = model.predict(img)
-        predicted_class = np.argmax(prediction)
-        confidence = prediction[0][predicted_class]
 
-        if predicted_class == 1:
-            st.error(f"⚠️ Sıtma Tespit Edildi ({confidence:.2%} eminlik)")
+        # RAW ÇIKTIYI GÖSTER (debug için)
+        st.write("📊 Model çıktısı (şekil):", prediction.shape)
+        st.write("📊 Model çıktısı (değer):", prediction.tolist())
+
+        # SHAPE KONTROLÜ VE YORUMLAMA
+        if prediction.shape[-1] == 1:
+            predicted_class = int(prediction[0][0] > 0.5)
+        elif prediction.shape[-1] == 2:
+            predicted_class = int(np.argmax(prediction))
         else:
-            st.success(f"✅ Sıtma Bulunamadı ({confidence:.2%} eminlik)")
-    
+            st.error("⚠️ Model çıktısı beklenmeyen formatta.")
+            st.stop()
+
+        # SONUCU GÖSTER
+        st.success(f"🧪 Tahmin: **{class_names[predicted_class]}**")
+
+        # SKORLARI GÖSTER
+        st.subheader("📈 Sınıf Skorları:")
+        for i, score in enumerate(prediction[0]):
+            if i < len(class_names):
+                st.write(f"{class_names[i]}: {score:.4f}")
+            else:
+                st.write(f"Sınıf {i}: {score:.4f}")
+
     except Exception as e:
-        st.error(f"⚠️ Görsel yüklenirken hata: {e}")
+        st.error(f"🚫 Görsel işleme hatası: {e}")