app.py

import time
import streamlit as st
import numpy as np
from PIL import Image
import urllib.request
from utils import *

labels = gen_labels()

html_temp = '''
    <div style =  padding-bottom: 20px; padding-top: 20px; padding-left: 5px; padding-right: 5px">
    <center><h1>Klasifikasi Citra Kerang Menggunakan Algoritma CNN-Deep Learning</h1></center>
    
    </div>
    '''

st.markdown(html_temp, unsafe_allow_html=True)
html_temp = '''
    <div>
    <h2></h2>
    <center><h3>Harap Unggah Gambar Untuk Menemukan Kategorinya</h3></center>
    </div>
    '''
st.set_option('deprecation.showfileUploaderEncoding', False)
st.markdown(html_temp, unsafe_allow_html=True)
opt = st.selectbox("Bagaimana Anda ingin mengunggah gambar untuk klasifikasi? (Harap Masukan Gambar Yang Jelas Agar Hasilnya Tidak Ambigu)\n", ('Silahkan Pilih', 'Unggah gambar melalui tautan', 'Unggah gambar dari perangkat'))
if opt == 'Unggah gambar dari perangkat':
    file = st.file_uploader('Select', type = ['jpg', 'png', 'jpeg'])
    st.set_option('deprecation.showfileUploaderEncoding', False)
    if file is not None:
        image = Image.open(file)

elif opt == 'Unggah gambar melalui tautan':

  try:
    img = st.text_input('Masukkan Tautan Gambar')
    image = Image.open(urllib.request.urlopen(img))
    
  except:
    if st.button('Submit'):
      show = st.error("Please Enter a valid Image Address!")
      time.sleep(4)
      show.empty()

try:
  if image is not None:
    st.image(image, width = 300, caption = 'Unggah Gambar')
    if st.button('Prediksi'):
        img = preprocess(image)
        model = model_arc()
        model.load_weights("weights/model.h5")
        prediction = model.predict(img[np.newaxis, ...])
        proba = np.max(prediction[0], axis=-1)
        print("Kemungkinan:",np.max(prediction[0], axis=-1))
        st.info('Hai! Gambar yang diunggah telah diklasifikasikan sebagai " {} " '.format(labels[np.argmax(prediction[0], axis=-1)]))
        st.info('Kemungkinan '+ str(proba))
except Exception as e:
  st.info(e)
  pass