Upload 3 files

app.py

@@ -0,0 +1,31 @@
+#!/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:fruit:')
+st.write('Resim sec ve model kanser 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])

requirements.txt

@@ -0,0 +1,2 @@
+streamlit
+tensorflow

veg_fruit_cnn.h5

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:c2fc924260dcf74fcf0c578f5759d288329877b509573f78f6e9b5e297dab8b4
+size 165569000