import os import time import streamlit as st from PIL import Image import numpy as np from tensorflow.keras.preprocessing.image import ImageDataGenerator # type: ignore from tensorflow.keras.models import load_model # type: ignore from tensorflow.keras.preprocessing import image # type: ignore def Get_Information(predicted_name): # Đường dẫn đến thư mục 'Dataset/Train' train_dir = 'Dataset/Train' # Duyệt qua mỗi lớp trong thư mục 'Dataset/Train' for class_name in class_names: # Nếu class_name không phải là predicted_name, tiếp tục vòng lặp if class_name != predicted_name: continue # Đường dẫn đến tệp 'information.text' trong thư mục của lớp info_file_path = os.path.join(train_dir, class_name, 'information.text') # Kiểm tra xem tệp 'information.text' có tồn tại không if os.path.exists(info_file_path): # Đọc nội dung của tệp with open(info_file_path, 'r', encoding='utf-8') as f: info_text = f.read() return info_text else: return f"Không tìm thấy tệp 'information.text' trong thư mục của lớp '{class_name}'." # Tải mô hình model = load_model('Model.keras') # Khởi tạo ImageDataGenerator datagen = ImageDataGenerator(rescale=1./255) # Tải dữ liệu từ thư mục 'Dataset/Train' train_data = datagen.flow_from_directory( 'Dataset/Train', target_size=(224, 224), batch_size=32, class_mode='categorical' ) # Get the dictionary of class indices class_indices = train_data.class_indices # Get the list of class names class_names = list(class_indices.keys()) st.title("Nhận diện và tra cứu thông tin động vật quý hiếm thông qua học sâu") uploaded_file = st.sidebar.file_uploader("Hoặc chọn một hình ảnh từ máy tính của bạn", type=['jpg', 'png']) photo = st.camera_input("Chụp một bức ảnh") if uploaded_file is not None or photo is not None: if photo is not None: img = Image.open(photo) else: img = Image.open(uploaded_file) st.image(img, caption='Hình ảnh đã tải lên.', use_column_width=True) img = img.resize((224, 224)) # Convert the image to a numpy array img_array = image.img_to_array(img) # Add a third dimension (for batch size), and rescale pixel values to [0, 1] img_array = np.expand_dims(img_array, axis=0) img_array /= 255. with st.spinner('Đang xử lý...'): # Use the model to predict the image's label predictions = model.predict(img_array) time.sleep(3) # The output of the model is a 2D array, with shape (1, num_classes). # To get the predicted label, we get the index of the maximum value in the array. predicted_label = np.argmax(predictions) # Use the predicted label to get the class name predicted_class_name = class_names[predicted_label] st.write("Độ Chính Xác") st.bar_chart(predictions) st.write("`ID: " + str(predicted_label) + "`") st.write("## Tên: " + predicted_class_name) with st.expander("Xem thông tin chi tiết"): st.markdown(Get_Information(predicted_class_name))