Update app.py

app.py

@@ -54,10 +54,10 @@ def detect_and_draw_image(input_image):
 
     # اجرای مدل روی تصویر با سطح اطمینان پایین‌تر برای اطمینان از شناسایی بیشتر اشیاء
     results = model.predict(source=input_image_np, conf=0.3)
-    detections = results[0].boxes
+    obb_results = results[0].obb
 
     # بررسی وجود جعبه‌های شناسایی شده
-    if detections is None or len(detections) == 0:
+    if obb_results is None or len(obb_results.data) == 0:
         print("هیچ شیء شناسایی نشده است.")
         df = pd.DataFrame({
             'Label (English)': [],
@@ -70,20 +70,23 @@ def detect_and_draw_image(input_image):
     image_np = np.array(input_image.convert('RGB'))[:, :, ::-1]  # تبدیل PIL به OpenCV
 
     counts = {}
-    for box in detections:
+    for obb, conf, cls in zip(obb_results.data.cpu().numpy(), obb_results.conf.cpu().numpy(), obb_results.cls.cpu().numpy()):
         # دسترسی به مختصات جعبه و اطمینان
-        xmin, ymin, xmax, ymax = box.xyxy[0].tolist()
-        conf = box.conf[0].item()
-        class_id = int(box.cls[0].item())
+        x_center, y_center, width, height, rotation = obb[:5]
+        class_id = int(cls)
+        confidence = float(conf)
 
         # دریافت برچسب‌های انگلیسی و فارسی
         label_en, label_fa = class_names.get(class_id, ('unknown', 'ناشناخته'))
         counts[label_en] = counts.get(label_en, 0) + 1
 
-        # رسم مستطیل با استفاده از OpenCV
+        # 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)
         color = colors.get(class_id, (0, 255, 0))  # استفاده از رنگ مشخص برای هر کلاس
-        cv2.rectangle(image_np, (int(xmin), int(ymin)), (int(xmax), int(ymax)), color, 2)
-        cv2.putText(image_np, f'{label_en}: {conf:.2f}', (int(xmin), int(ymin) - 10), 
+        cv2.drawContours(image_np, [box], 0, color, 2)
+        cv2.putText(image_np, f'{label_en}: {confidence:.2f}', (int(x_center), int(y_center)), 
                     cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1, cv2.LINE_AA)
 
     # تبدیل تصویر به RGB برای Gradio
@@ -113,15 +116,15 @@ def detect_and_draw_video(video_path):
 
         frame = cv2.resize(frame, (640, 480))
         results = model.predict(source=frame, conf=0.3)
-        detections = results[0].boxes
+        obb_results = results[0].obb
 
-        if detections is not None and len(detections) > 0:
-            for box in detections:
-                xmin, ymin, xmax, ymax = box.xyxy[0].tolist()
-                conf = box.conf[0].item()
-                class_id = int(box.cls[0].item())
+        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)
                 label_en, label_fa = class_names.get(class_id, ('unknown', 'ناشناخته'))
-                current_object = (label_en, int(xmin), int(ymin), int(xmax), int(ymax))
+                current_object = (label_en, int(x_center - width / 2), int(y_center - height / 2), int(x_center + width / 2), int(y_center + height / 2))
 
                 # بررسی وجود شیء در لیست seen_objects
                 if not any(existing[0] == label_en and
@@ -131,9 +134,12 @@ def detect_and_draw_video(video_path):
                     overall_counts[label_en] = overall_counts.get(label_en, 0) + 1
 
                     # رسم مستطیل و نام شیء بر روی فریم
+                    rect = ((x_center, y_center), (width, height), rotation * 180.0 / np.pi)
+                    box = cv2.boxPoints(rect)
+                    box = np.int0(box)
                     color = colors.get(class_id, (0, 255, 0))
-                    cv2.rectangle(frame, (int(xmin), int(ymin)), (int(xmax), int(ymax)), color, 2)
-                    cv2.putText(frame, f"{label_en}: {conf:.2f}", (int(xmin), int(ymin) - 10),
+                    cv2.drawContours(frame, [box], 0, color, 2)
+                    cv2.putText(frame, f"{label_en}: {confidence:.2f}", (int(x_center), int(y_center)),
                                 cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
 
         frames.append(frame)