import torch
from torchvision import transforms
from PIL import Image
import gradio as gr
from transformers import ViTFeatureExtractor, ViTForImageClassification

# Modeli yükleme
model_name = "nateraw/plant-disease"  # Örnek bir bitki hastalıkları modeli
model = ViTForImageClassification.from_pretrained(model_name)
feature_extractor = ViTFeatureExtractor.from_pretrained(model_name)

# Görüntü işleme fonksiyonu
def transform_image(image):
    image = image.convert("RGB")
    inputs = feature_extractor(images=image, return_tensors="pt")
    return inputs

# Tahmin fonksiyonu
def predict(image):
    inputs = transform_image(image)
    with torch.no_grad():
        outputs = model(**inputs)
    logits = outputs.logits
    predicted_class = logits.argmax(-1).item()
    class_name = model.config.id2label[predicted_class]
    return f"Tahmin Edilen Bitki Türü: {class_name}"

# Gradio Arayüzü
demo = gr.Interface(
    fn=predict,
    inputs=gr.Image(type="pil"),
    outputs=gr.Textbox(label="Sonuç"),
    title="Bitki Tanıma Uygulaması",
    description="Bir bitkinin fotoğrafını yükleyin, model onun türünü tahmin etsin."
)

demo.launch()