Update app.py

app.py

@@ -1,56 +1,57 @@
-import streamlit as st
-from PIL import Image
-import numpy as np
-from tensorflow.keras.models import load_model
-
-# Üzüm yaprağı çeşitleri
-leaf_varieties = ['ESCA', 'Healthy', 'Leaf Blight', 'Black Rot']
-
-# Modeli yükleme
-model = load_model('leafmodel.h5')
-model.summary()
-
-def process_img(img):
-    img = img.resize((128, 128), Image.LANCZOS)  # 128x128 piksel boyutuna dönüştürme
-    img = np.array(img) / 255.0  # Normalize etme
-    img = np.expand_dims(img, axis=0)  # Resme boyut ekleme
-    return img
-
-st.title("Üzüm Yaprağı Çeşidi Sınıflandırması :leaves:")
-st.write(
-    "Bir üzüm yaprağı resmi seçin ve modelimiz, bu resmin hangi üzüm yaprağı çeşidinden olduğunu tahmin etsin. 🖼️📊\n"
-    "Upload an image and the model will predict which grape leaf variety your image shows."
-)
-
-# Stil ayarları
-st.markdown("""
-<style>
-    .reportview-container {
-        background: #F0F2F6;
-    }
-    .sidebar .sidebar-content {
-        background: #E0E0E0;
-    }
-    .css-18e3th9 {
-        font-size: 1.25em;
-        color: #333;
-    }
-</style>
-""", unsafe_allow_html=True)
-
-file = st.file_uploader("Resim Yükle & Bir resim seçiniz", type=['png', 'jpg', 'jpeg'])
-
-if file is not None:
-    img = Image.open(file)
-    st.image(img, caption="Yüklenen Resim", use_column_width=True)
-    
-    result = process_img(img)
-    prediction = model.predict(result)
-    prediction_class = np.argmax(prediction)  # En yüksek tahmin edilen sınıf
-
-    # Sınıf isimleri
-    result_text = leaf_varieties[prediction_class]
-
-    st.write(f"**Sonuç:** {result_text}")
-else:
-    st.write("Lütfen bir resim yükleyin.")
+import streamlit as st
+from PIL import Image
+import numpy as np
+from tensorflow.keras.models import load_model
+
+# Üzüm yaprağı çeşitleri
+leaf_varieties = ['ESCA', 'Healthy', 'Leaf Blight', 'Black Rot']
+
+# Modeli yükleme
+model = load_model('leafmodel.h5')
+model.summary()
+
+def process_img(img):
+    img = img.convert('RGB')  # Resmi RGB formatına dönüştürme
+    img = img.resize((128, 128), Image.LANCZOS)  # 128x128 piksel boyutuna dönüştürme
+    img = np.array(img) / 255.0  # Normalize etme
+    img = np.expand_dims(img, axis=0)  # Resme boyut ekleme
+    return img
+
+st.title("Üzüm Yaprağı Çeşidi Sınıflandırması :leaves:")
+st.write(
+    "Bir üzüm yaprağı resmi seçin ve modelimiz, bu resmin hangi üzüm yaprağı çeşidinden olduğunu tahmin etsin. 🖼️📊\n"
+    "Upload an image and the model will predict which grape leaf variety your image shows."
+)
+
+# Stil ayarları
+st.markdown("""
+<style>
+    .reportview-container {
+        background: #F0F2F6;
+    }
+    .sidebar .sidebar-content {
+        background: #E0E0E0;
+    }
+    .css-18e3th9 {
+        font-size: 1.25em;
+        color: #333;
+    }
+</style>
+""", unsafe_allow_html=True)
+
+file = st.file_uploader("Resim Yükle & Bir resim seçiniz", type=['png', 'jpg', 'jpeg'])
+
+if file is not None:
+    img = Image.open(file)
+    st.image(img, caption="Yüklenen Resim", use_column_width=True)
+    
+    result = process_img(img)
+    prediction = model.predict(result)
+    prediction_class = np.argmax(prediction)  # En yüksek tahmin edilen sınıf
+
+    # Sınıf isimleri
+    result_text = leaf_varieties[prediction_class]
+
+    st.write(f"**Sonuç:** {result_text}")
+else:
+    st.write("Lütfen bir resim yükleyin.")