app.py

#!/usr/bin/env python
# coding: utf-8
#dosyayı py olarak kaydet ve komut satırını kullanarak streamlit run streamlit.py 
import streamlit as st
from tensorflow.keras.models import load_model
from PIL import Image
import numpy as np
import cv2
model=load_model('veg_fruit_cnn.h5')
def process_image(img):
    img=img.resize((170,170)) #boyutunu 170*170 yap
    img=np.array(img)
    img=img/255.0
    img=np.expand_dims(img,axis=0)
    return img
st.title('Meyve Sebze Sınıflandırma::kiwifruit:')
st.write('Resim sec ve model tahmin etsin')
file=st.file_uploader('Bir resim seç', type= ['jpg','jpeg','png'])
class_names=['elma', 'muz', 'pancar', 'dolmalık biber', 'lahana', 'kapya biber',
'havuç', 'karnabahar', 'acı biber', 'mısır', 'salatalık',
'patlıcan', 'sarımsak', 'zencefil', 'üzüm', 'jalapeno', 'kivi', 'limon',
'marul', 'mango', 'soğan', 'portakal', 'paprika', 'armut', 'bezelye',
'ananas', 'nar', 'patates', 'turp', 'soya fasulyesi', 'ıspanak',
'tatlı mısır', 'tatlı patates', 'domates', 'şalgam', 'karpuz']      
if file is not None:
    img=Image.open(file)
    st.image(img,caption='yuklenen resim')
    image=process_image(img)
    prediction=model.predict(image)
    predicted_class=np.argmax(prediction)
    st.write(class_names[predicted_class])