Spaces:
Sleeping
Sleeping
File size: 1,710 Bytes
e49cf92 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 |
import streamlit as st
from PIL import Image
import numpy as np
from tensorflow.keras.models import load_model
# Üzüm yaprağı çeşitleri
leaf_varieties = ['ESCA', 'Healthy', 'Leaf Blight', 'Black Rot']
# Modeli yükleme
model = load_model('leafmodel.h5')
model.summary()
def process_img(img):
img = img.convert('RGB') # Resmi RGB formatına dönüştürme
img = img.resize((128, 128), Image.LANCZOS) # 128x128 piksel boyutuna dönüştürme
img = np.array(img) / 255.0 # Normalize etme
img = np.expand_dims(img, axis=0) # Resme boyut ekleme
return img
st.title("Üzüm Yaprağı Çeşidi Sınıflandırması :leaves:")
st.write(
"Bir üzüm yaprağı resmi seçin ve modelimiz, bu resmin hangi üzüm yaprağı çeşidinden olduğunu tahmin etsin. 🖼️📊\n"
"Upload an image and the model will predict which grape leaf variety your image shows."
)
# Stil ayarları
st.markdown("""
<style>
.reportview-container {
background: #F0F2F6;
}
.sidebar .sidebar-content {
background: #E0E0E0;
}
.css-18e3th9 {
font-size: 1.25em;
color: #333;
}
</style>
""", unsafe_allow_html=True)
file = st.file_uploader("Resim Yükle & Bir resim seçiniz", type=['png', 'jpg', 'jpeg'])
if file is not None:
img = Image.open(file)
st.image(img, caption="Yüklenen Resim", use_column_width=True)
result = process_img(img)
prediction = model.predict(result)
prediction_class = np.argmax(prediction) # En yüksek tahmin edilen sınıf
# Sınıf isimleri
result_text = leaf_varieties[prediction_class]
st.write(f"**Sonuç:** {result_text}")
else:
st.write("Lütfen bir resim yükleyin.")
|