app.py

import streamlit as st
from tensorflow.keras.models import load_model
from PIL import Image
import numpy as np

model = load_model('my_model2.keras')
def process_image(img):
    img = img.convert('RGB')  # Görüntüyü RGB formatına dönüştür
    img = img.resize((170, 170))
    img_array = np.array(img)
    img_normalized = img_array / 255.0
    img_normalized = np.expand_dims(img_normalized, axis=0)
    return img_normalized

st.title("üzüm yapraği siniflandirma")
st.write("Resim seç ve model yapraklarin hastaliğini tahmin etsin")

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

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

    # Tahmin edilen olasılıkları yazdır
    st.write(f"Tahmin edilen olasılıklar: {prediction[0][0]}")

    # Tahmini sınıf etiketine dönüştür
    predicted_class = np.argmax(prediction[0])  # En yüksek olasılığa sahip sınıfı seç

    class_names = ['ESCA', 'Healthy', 'Leaf Blight', 'Black Rot']
    st.write("Sonuç:", class_names[predicted_class])

     # Özel mesajlar
    if class_names[predicted_class] == 'ESCA':
        st.write("Öneri: Bu hastalık, üzüm yapraklarında sararma ve kuruma ile kendini gösterir. Etkili bir mücadele için hasta yaprakları ve sürgünleri kesin. İyi hava akışını sağlamak için bağ alanınızı düzenli tutun.")
    elif class_names[predicted_class] == 'Leaf Blight':
        st.write("Öneri: Yapraklarda lekeler ve kuruma görülebilir. Hastalığın yayılmasını önlemek için etkilenen yaprakları kesin. İyi bir hava sirkülasyonu sağlamak için bitkilerinizi seyrek dikin ve düzenli olarak sulayın.")
    elif class_names[predicted_class] == 'Black Rot':
        st.write("Öneri: Siyah çürük, üzüm salkımlarında çürümeye neden olur. Hastalıklı yaprakları ve meyveleri kesin, toprak ve bitki hijyenine dikkat edin. Koruyucu fungisitler uygulamak da etkili olabilir.")