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

# Transfer Learning modelini yüklüyoruz
model = tf.keras.models.load_model("src/hurma_transfer_model.h5")

# Sınıf isimlerini yazıyoruz

class_names = [
    "Ajwa",
    "Galaxy",
    "Medjool",
    "Meneifi",
    "Nabtat Ali",
    "Rutab",
    "Shaishe",
    "Sokari",
    "Sugaey"
]

st.title("Transfer Learning ile Hurma Sınıflandırma")
st.write("Bir hurma görseli yükleyin, model hurma türünü tahmin etsin.")

# Görsel Yükleme

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

# Şimdi yüklenen resmi modele uygun hale getirip tahmin 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 Edilen Hurma Türü: {predicted_class}")

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