src/streamlit_app.py

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

# Şimdi MobileNetV2 tabanlı modeli tekrar kuruyoruz

base_model = tf.keras.applications.MobileNetV2(
    weights="imagenet",
    include_top=False,
    input_shape=(224,224,3)
)

base_model.trainable = False

model = tf.keras.models.Sequential([
    base_model,
    tf.keras.layers.GlobalAveragePooling2D(),
    tf.keras.layers.Dense(256, activation="relu"),
    tf.keras.layers.Dropout(0.3),
    tf.keras.layers.Dense(36, activation="softmax")
])

# Eğitilmiş ağırlıkları yüklüyoruz

model.load_weights("src/fruit_veg_transfer.weights.h5")

# Sınıf isimlerini yazıyoruz

class_names = [
    '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'
]

st.title("Transfer Learning ile Meyve Sebze Sınıflandırma")

st.write("Bir meyve veya sebze görseli yükleyin.")

# Kullanıcıdan görsel alıyoruz

uploaded_file = st.file_uploader(
    "Bir görsel yükleyin",
    type=["jpg", "jpeg", "png"]
)

# Şimdi tahmin işlemini yapıyoruz

if uploaded_file is not None:

    image = Image.open(uploaded_file).convert("RGB")

    st.image(image, caption="Yüklenen Görsel", use_container_width=True)

    image = image.resize((224,224))

    image_array = np.array(image) / 255.0

    image_array = np.expand_dims(image_array, axis=0)

    prediction = model.predict(image_array)

    predicted_index = np.argmax(prediction)

    predicted_class = class_names[predicted_index]

    confidence = np.max(prediction) * 100

    st.success(f"Tahmin: {predicted_class}")

    st.write(f"Güven Oranı: %{confidence:.2f}")