Bu proje, farklı kömür türlerini sınıflandırmak için EfficientNetB0 tabanlı bir derin öğrenme modeli sunar. Model, kullanıcıdan alınan bir kömür görüntüsünü analiz ederek şu sınıflardan birini tahmin eder:
- Anthracite
 - Bituminous
 - Lignite
 - Peat
 
Proje aynı zamanda tahmin sonuçlarını çubuk grafik ve pasta grafiklerle görselleştirir ve web arayüzü üzerinden kolay kullanım sağlar.
- TensorFlow/Keras: EfficientNetB0 modeli ve derin öğrenme altyapısı için.
 - Streamlit: Kullanıcı dostu web arayüzü oluşturmak için.
 - Playwright: Web arayüz testlerini gerçekleştirmek için.
 - Pytest: Model ve fonksiyonlar için birim testler.
 - Plotly: Grafiksel görselleştirme için.
 - Python: Projenin temel programlama dili.
 - NumPy: Veri işlemleri ve matematiksel hesaplamalar için.
 - Matplotlib: Görsel doğrulama ve veri kümesi görselleştirme.
 - Seaborn: Görselleştirmeler için estetik veri grafikleri.
 - OpenCV: Görüntü işleme araçları için.
 
Proje aşağıdaki Python kütüphanelerini kullanmaktadır:
tensorflow
keras
numpy
streamlit
plotly
pytest
playwright
opencv-python
pillow
matplotlib
seabornBu projeyi kullanmak için aşağıdaki adımları takip edin:
Proje dizininde aşağıdaki komutları çalıştırarak gerekli kütüphaneleri yükleyin:
pip install tensorflow keras numpy streamlit plotly pytest playwright opencv-python pillow matplotlib seabornPlaywright ile testleri çalıştırmak için:
playwright installStreamlit uygulamasını başlatmak için proje dizininde şu komutu çalıştırın:
streamlit run app.py- Açılan tarayıcıda bir kömür görüntüsü yükleyin.
 - Model, görüntüyü analiz ederek tahmin sonuçlarını ve olasılıkları grafiksel olarak gösterecektir.
 
Projedeki testleri çalıştırmak için şu komutları kullanın:
pytestPlaywright testlerini çalıştırmak için şu komutları çalıştırın:
pytest tests/test_playwright.pyproject/
├── app.py                   # Ana Streamlit uygulaması
├── model_training.py        # Model eğitimi için kod
├── test_model.py            # Pytest ile model testi
├── playwright_tests/        # Playwright ile web arayüz testleri
├── requirements.txt         # Gerekli kütüphaneler
└── README.md                # Proje açıklaması
Bu rehber ile projeyi kolayca kurabilir, çalıştırabilir ve test edebilirsiniz! 😊
