Upload app.py

app.py

@@ -0,0 +1,52 @@
+import streamlit as st
+import tensorflow as tf
+import numpy as np
+from tensorflow.keras.preprocessing import image
+from tensorflow.keras.applications.efficientnet import preprocess_input
+#from tensorflow.keras.applications.resnet50 import preprocess_input
+import plotly.express as px
+
+# model yükle
+model = tf.keras.models.load_model("efficent_net224B0.h5")
+
+# Etiketler
+waste_labels = {0: 'Fibres', 1: 'Nanowires', 2: 'Particles', 3: 'Powder'}
+
+# uygulama yükle
+st.title("SEM Görüntü Sınıflandırma Uygulaması")
+st.write("Lütfen bir SEM görüntüsü yükleyin. - (Fibres, Nanowires, Powder,Particles)")
+
+# giriş yap
+uploaded_image = st.file_uploader("SEM Görüntüsünü Yükleyin", type=["jpg", "png", "jpeg"])
+
+# resim işleme
+
+if uploaded_image is not None:
+    # Görüntüyü modelin girdi boyutuna yeniden boyutlandırın
+    img = image.load_img(uploaded_image, target_size=(224, 224))
+    img = image.img_to_array(img)
+    img = np.expand_dims(img, axis=0)
+    img = preprocess_input(img)
+    
+
+    # tahmin
+    prediction = model.predict(img)
+    predicted_class = np.argmax(prediction)
+
+    # Sonuç
+    st.image(uploaded_image, caption='Yüklenen Görüntü', use_column_width=True)
+    st.write(f"Tahmin Edilen Sınıf: {waste_labels[predicted_class]}")
+
+    # görselleştirme
+    st.write("Tahmin İhtimalleri:")
+    labels = list(waste_labels.values())
+    probabilities = prediction[0] * 100  # İhtimalleri yüzde olarak hesapla
+
+    # Çubuk grafik
+    fig_bar = px.bar(x=labels, y=probabilities, labels={'x': 'Sınıf', 'y': 'Yüzde (%)'},
+                     title="Tahmin İhtimalleri (Çubuk Grafik)")
+    st.plotly_chart(fig_bar)
+
+    # Pasta grafiği
+    fig_pie = px.pie(values=probabilities, names=labels, title="Tahmin İhtimalleri (Pasta Grafiği)")
+    st.plotly_chart(fig_pie)