要解决AutoML边缘模型仅显示图像的问题，您可以尝试以下代码示例：

import tensorflow as tf
from PIL import Image

# 载入模型
model = tf.keras.models.load_model('path_to_your_model')

# 加载图像
image_path = 'path_to_your_image'
image = Image.open(image_path)

# 调整图像尺寸和通道
image = image.resize((224, 224))
image = image.convert('RGB')

# 将图像转换为模型输入所需的格式
input_image = tf.keras.preprocessing.image.img_to_array(image)
input_image = tf.expand_dims(input_image, axis=0)
input_image = tf.keras.applications.mobilenet_v2.preprocess_input(input_image)

# 运行推断
predictions = model.predict(input_image)
predicted_class = tf.argmax(predictions, axis=1)[0].numpy()

# 获取类别标签
labels = ['class1', 'class2', 'class3'] # 替换为您的类别标签

# 打印预测结果
print('Predicted class:', labels[predicted_class])

请注意，上述代码假设您已经训练了一个图像分类模型，并且将其保存为h5模型文件。您需要将path_to_your_model替换为您模型的实际路径，并将path_to_your_image替换为您要进行预测的图像的路径。同时，您还需要将labels替换为您模型的实际类别标签。