app.py

import streamlit as st
import requests
from PIL import Image
from io import BytesIO
import numpy as np
import matplotlib.pyplot as plt
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing.image import img_to_array


model=load_model('HurmaModel.h5')


def procces_image(img):
    img = img.resize((200, 200), Image.Resampling.LANCZOS)
    img=np.array(img)
    img=img/255.0 #normalize ettik
    img=np.expand_dims(img,axis=0)
    return img

st.title("Hurma Türlerinin Sınıflandırması 	:palm_tree:")
st.write("Resim Seç ve Model Hurmaların Cinsini tahmin et")

file=st.file_uploader('Bir Resim Seçin ',type=['jpg','jpeg','png'])

if file is not None:
    img = Image.open(file)
    st.image(img, caption='Yüklenen Resim')
    image = procces_image(img)
    prediction = model.predict(image)

    # Tahmin sonuçlarını kontrol et
    st.write("Tahmin Olasılıkları:", prediction)

    predicted_class = np.argmax(prediction)
    st.write("Tahmin Edilen Sınıf Indeksi:", predicted_class)

    class_names = ['Ajwa','Galaxy','Medjool','Meneifi','Nabtat Ali','Rutab','Shaishe','Sokari','Sugaey']
    if predicted_class < len(class_names):
        st.write("Tahmin Edilen Sınıf:", class_names[predicted_class])
    else:
        st.write("Geçersiz sınıf indeksi!")