Update app.py

app.py

@@ -55,20 +55,22 @@ colors = {
 # تابع برای تشخیص اشیاء در تصاویر
 def detect_and_draw_image(input_image):
     try:
-        # تبدیل تصویر PIL به آرایه NumPy (RGB)
-        input_image_np = np.array(input_image)
-        print("Image converted to NumPy array.")
-
-        # اجرای مدل روی تصویر
-        results = model.predict(source=input_image_np, conf=0.3)
+        # ذخیره تصویر ورودی به یک فایل موقت
+        with tempfile.NamedTemporaryFile(delete=False, suffix=".jpg") as tmpfile:
+            input_image.save(tmpfile.name)
+            temp_image_path = tmpfile.name
+        print("Image saved to temporary file:", temp_image_path)
+
+        # اجرای مدل روی تصویر با استفاده از مسیر فایل
+        results = model.predict(source=temp_image_path, conf=0.3)
         print("Model prediction completed.")
 
         # دسترسی به نتایج OBB
-        if hasattr(results[0], 'obb') and results[0].obb is not None:
-            obb_results = results[0].obb
+        if hasattr(results[0], 'boxes') and results[0].boxes is not None:
+            obb_results = results[0].boxes  # استفاده از boxes که شامل OBB است
             print("Accessed obb_results.")
         else:
-            print("No 'obb' attribute found in results[0].")
+            print("No 'boxes' attribute found in results[0].")
             obb_results = None
 
         # بررسی وجود جعبه‌های شناسایی شده
@@ -79,24 +81,30 @@ def detect_and_draw_image(input_image):
                 'Label (Persian)': [],
                 'Object Count': []
             })
+            # حذف فایل موقت
+            os.remove(temp_image_path)
             return input_image, df
 
         # بارگذاری تصویر اصلی به صورت OpenCV برای رسم جعبه‌ها (BGR)
-        image_cv = cv2.cvtColor(input_image_np, cv2.COLOR_RGB2BGR)
-        print("Image converted to BGR for OpenCV.")
+        image_cv = cv2.imread(temp_image_path)
+        print("Image loaded with OpenCV.")
 
         counts = {}
-        for obb, conf, cls in zip(obb_results.data.cpu().numpy(), obb_results.conf.cpu().numpy(), obb_results.cls.cpu().numpy()):
-            x_center, y_center, width, height, rotation = obb[:5]
-            class_id = int(cls)
-            confidence = float(conf)
+        for box in obb_results:
+            # دسترسی به داده‌های جعبه
+            if hasattr(box, 'xywhn'):
+                x_center, y_center, width, height, rotation = box.xywhn.tolist()
+            else:
+                x_center, y_center, width, height, rotation = box.tolist()[:5]
+            class_id = int(box.cls.tolist()[0]) if hasattr(box, 'cls') else 0
+            confidence = float(box.conf.tolist()[0]) if hasattr(box, 'conf') else 0.0
 
             # رسم جعبه چرخان با استفاده از OpenCV
             rect = ((x_center, y_center), (width, height), rotation * 180.0 / np.pi)  # تبدیل رادیان به درجه
-            box = cv2.boxPoints(rect)
-            box = np.int0(box)
+            box_points = cv2.boxPoints(rect)
+            box_points = np.int0(box_points)
             color = colors.get(class_id, (0, 255, 0))  # استفاده از رنگ مشخص برای هر کلاس
-            cv2.drawContours(image_cv, [box], 0, color, 2)
+            cv2.drawContours(image_cv, [box_points], 0, color, 2)
             print(f"Drawn OBB for class_id {class_id} with confidence {confidence}.")
 
             # رسم برچسب
@@ -121,6 +129,9 @@ def detect_and_draw_image(input_image):
         })
         print("DataFrame created.")
 
+        # حذف فایل موقت
+        os.remove(temp_image_path)
+
         return output_image, df
 
     except Exception as e:
@@ -160,25 +171,29 @@ def detect_and_draw_video(video_path):
             print(f"Model prediction completed for frame {frame_count}.")
 
             # دسترسی به نتایج OBB
-            if hasattr(results[0], 'obb') and results[0].obb is not None:
-                obb_results = results[0].obb
+            if hasattr(results[0], 'boxes') and results[0].boxes is not None:
+                obb_results = results[0].boxes  # استفاده از boxes که شامل OBB است
                 print("Accessed obb_results for frame.")
             else:
-                print("No 'obb' attribute found in results[0] for frame.")
+                print("No 'boxes' attribute found in results[0] for frame.")
                 obb_results = None
 
             if obb_results is not None and len(obb_results.data) > 0:
-                for obb, conf, cls in zip(obb_results.data.cpu().numpy(), obb_results.conf.cpu().numpy(), obb_results.cls.cpu().numpy()):
-                    x_center, y_center, width, height, rotation = obb[:5]
-                    class_id = int(cls)
-                    confidence = float(conf)
+                for box in obb_results:
+                    # دسترسی به داده‌های جعبه
+                    if hasattr(box, 'xywhn'):
+                        x_center, y_center, width, height, rotation = box.xywhn.tolist()
+                    else:
+                        x_center, y_center, width, height, rotation = box.tolist()[:5]
+                    class_id = int(box.cls.tolist()[0]) if hasattr(box, 'cls') else 0
+                    confidence = float(box.conf.tolist()[0]) if hasattr(box, 'conf') else 0.0
 
                     # رسم جعبه چرخان با استفاده از OpenCV
                     rect = ((x_center, y_center), (width, height), rotation * 180.0 / np.pi)  # تبدیل رادیان به درجه
-                    box = cv2.boxPoints(rect)
-                    box = np.int0(box)
+                    box_points = cv2.boxPoints(rect)
+                    box_points = np.int0(box_points)
                     color = colors.get(class_id, (0, 255, 0))  # استفاده از رنگ مشخص برای هر کلاس
-                    cv2.drawContours(frame, [box], 0, color, 2)
+                    cv2.drawContours(frame, [box_points], 0, color, 2)
                     print(f"Drawn OBB for class_id {class_id} with confidence {confidence} in frame {frame_count}.")
 
                     # رسم برچسب
@@ -199,10 +214,9 @@ def detect_and_draw_video(video_path):
         # ذخیره ویدئو پردازش‌شده در یک فایل موقت
         with tempfile.NamedTemporaryFile(delete=False, suffix=".mp4") as tmpfile:
             output_path = tmpfile.name
-
-        out = cv2.VideoWriter(output_path, cv2.VideoWriter_fourcc(*'mp4v'), 20.0, (640, 480))
         print(f"Saving processed video to {output_path}")
 
+        out = cv2.VideoWriter(output_path, cv2.VideoWriter_fourcc(*'mp4v'), 20.0, (640, 480))
         for idx, frame in enumerate(frames):
             out.write(frame)
             if idx % 100 == 0: