Initial commit

XceptionFarmInsectClassifier.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:4dbf4f32167d4943fc80a867875382c4bf5c8f9e601867ff515bccb61b6857bf
+size 92213432

app.py

@@ -0,0 +1,77 @@
+import gradio as gr
+import tensorflow as tf
+import numpy as np
+from PIL import Image
+
+# Sınıf isimleri - sizin veri setinize göre
+CLASS_NAMES = [
+    "Africanized Honey Bees (Killer Bees)",
+    "Aphids",
+    "Armyworms",
+    "Brown Marmorated Stink Bugs",
+    "Cabbage Loopers",
+    "Citrus Canker",
+    "Colorado Potato Beetles",
+    "Corn Borers",
+    "Corn Earworms",
+    "Fall Armyworms",
+    "Fruit Flies",
+    "Spider Mites",
+    "Thrips",
+    "Tomato Hornworms",
+    "Western Corn Rootworms"
+]
+
+# Model yükleme
+model = tf.keras.models.load_model("XceptionFarmInsectClassifier.h5")
+
+def predict_insect(image):
+    """
+    Yüklenen görüntüyü işler ve böcek sınıfını tahmin eder.
+    
+    Args:
+        image: PIL Image veya numpy array
+        
+    Returns:
+        dict: Sınıf olasılıkları
+    """
+    # Görüntüyü işle
+    if isinstance(image, np.ndarray):
+        img = Image.fromarray(image.astype('uint8'))
+    else:
+        img = image
+    
+    # Boyutlandır
+    img = img.resize((224, 224))
+    img_array = np.array(img)
+    
+    # Normalize et
+    img_array = img_array / 255.0
+    
+    # Batch dimension ekle
+    img_array = np.expand_dims(img_array, axis=0)
+    
+    # Tahmin yap
+    predictions = model.predict(img_array, verbose=0)
+    
+    # Sonuçları dictionary'e çevir
+    results = {CLASS_NAMES[i]: float(predictions[0][i]) for i in range(len(CLASS_NAMES))}
+    
+    return results
+
+# Gradio arayüzü oluştur
+iface = gr.Interface(
+    fn=predict_insect,
+    inputs=gr.Image(type="pil", label="Böcek Fotoğrafı Yükleyin"),
+    outputs=gr.Label(num_top_classes=5, label="Tahmin Sonuçları"),
+    title="🐛 Farm Insect Classifier API",
+    description="Zararlı böcekleri tespit eden AI modeli. Bir böcek fotoğrafı yükleyin.",
+    examples=[
+        # Örnek görüntü yolları ekleyebilirsiniz
+    ],
+    allow_flagging="never"
+)
+
+# API olarak çalıştır
+if __name__ == "__main__":
+    iface.launch(share=False, server_name="0.0.0.0", server_port=7860)

requirements.txt

@@ -0,0 +1,4 @@
+gradio==4.10.0
+tensorflow==2.15.0
+pillow==10.1.0
+numpy==1.24.3