src/streamlit_app.py

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

import os
from tensorflow.keras.models import load_model

# Kodun olduğu klasörün yolunu alıyoruz (/app/src)
current_dir = os.path.dirname(os.path.abspath(__file__))

# Model tam olarak bu kodun yanında olduğu için direkt ismini birleştiriyoruz
model_path = os.path.join(current_dir, 'malaria_model.keras')

# Modeli yüklüyoruz
model = load_model(model_path)


def process_image(img):
    # Resmi RGB formatına zorla (PNG'lerdeki şeffaflık kanalı hatasını önler)
    img = img.convert('RGB')
    img = img.resize((64, 64))
    img = np.array(img)
    img = img / 255.0
    img = np.expand_dims(img, axis=0)
    return img

st.title('Sıtma Resmi Sınıflandırma :microscope:')
st.write('Bir resim yükleyin, modelin sıtma olup olmadığını tahmin etmesini sağlayın!')

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

if file is not None:
    img = Image.open(file)
    st.image(img, caption='Yüklenen Resim', use_column_width=True)

    image = process_image(img)

    prediction = model.predict(image)[0][0]

    # Ekrana modelin güven oranını yazdıralım (Hata çözmeye çok yardımcı olur)
    st.write(f"Modelin Sıtma Olma Olasılığı: %{prediction * 100:.2f}")


    predicted_class = 1 if prediction > 0.5 else 0
    class_names = ['Sıtma Yok', 'Sıtma Var']
    st.write(class_names[predicted_class])