Update app.py

app.py

@@ -1,8 +1,9 @@
 import cv2
 from ultralytics import YOLO
-from PIL import Image, ImageDraw
+from PIL import Image
 import gradio as gr
 import pandas as pd
+import numpy as np
 
 # بارگذاری مدل آموزش‌دیده شما
 model = YOLO('weights/best.pt')
@@ -28,93 +29,32 @@ class_names = {
 
 # تابع برای تشخیص اشیاء در تصاویر
 def detect_and_draw_image(input_image):
-    # اجرای مدل با تنظیمات اطمینان و iou برای بهبود تشخیص
-    results = model.predict(input_image, conf=0.5, iou=0.6)
-    
-    # بررسی وجود اشیاء شناسایی شده
-    if not results or results[0].boxes is None or not results[0].boxes.boxes:
-        # اگر هیچ شیء شناسایی نشده باشد
-        df = pd.DataFrame({
-            'Label (English)': [],
-            'Label (Persian)': [],
-            'Object Count': []
-        })
-        return input_image, df
-
-    detections = results[0].boxes.boxes  # دسترسی به نتایج در YOLOv8
+    # تبدیل تصویر PIL به آرایه NumPy
+    input_image_np = np.array(input_image)
 
-    draw = ImageDraw.Draw(input_image)
+    # اجرای مدل روی تصویر
+    results = model.predict(source=input_image_np, conf=0.25)
+    
+    # دریافت تصویر با نتایج رسم‌شده
+    annotated_image = results[0].plot()
+    
+    # تبدیل تصویر به فرمت PIL برای نمایش در Gradio
+    annotated_image_pil = Image.fromarray(annotated_image)
+    
+    # شمارش اشیاء شناسایی‌شده
     counts = {}
-    for detection in detections:
-        xmin, ymin, xmax, ymax, conf, class_id = detection.cpu().numpy()
-        label_en, label_fa = class_names.get(int(class_id), ('unknown', 'ناشناخته'))
+    for box in results[0].boxes:
+        class_id = int(box.cls[0])
+        label_en, label_fa = class_names.get(class_id, ('unknown', 'ناشناخته'))
         counts[label_en] = counts.get(label_en, 0) + 1
 
-        draw.rectangle([(xmin, ymin), (xmax, ymax)], outline="red", width=2)
-        draw.text((xmin, ymin), f"{label_en}: {conf:.2f}", fill="white")
-
     df = pd.DataFrame({
         'Label (English)': list(counts.keys()),
         'Label (Persian)': [class_names.get(k, ('unknown', 'ناشناخته'))[1] for k in counts.keys()],
         'Object Count': list(counts.values())
     })
 
-    return input_image, df
-
-# تابع برای تشخیص اشیاء در ویدئوها
-def detect_and_draw_video(video_path):
-    cap = cv2.VideoCapture(video_path)
-    frames = []
-    overall_counts = {}
-    seen_objects = []  # لیست برای دنبال کردن اشیاء شناسایی شده
-
-    while cap.isOpened():
-        ret, frame = cap.read()
-        if not ret:
-            break
-
-        frame = cv2.resize(frame, (640, 480))
-        results = model.predict(frame, conf=0.5, iou=0.6, stream=True)
-        detections = results[0].boxes.boxes if results and results[0].boxes else None
-
-        if detections is not None:
-            detections = detections.cpu().numpy()
-            for detection in detections:
-                xmin, ymin, xmax, ymax, conf, class_id = detection
-                label_en, label_fa = class_names.get(int(class_id), ('unknown', 'ناشناخته'))
-                current_object = (label_en, int(xmin), int(ymin), int(xmax), int(ymax))
-
-                # بررسی وجود شیء در لیست seen_objects
-                if not any(existing[0] == label_en and
-                           (existing[1] < xmax and existing[3] > xmin and
-                            existing[2] < ymax and existing[4] > ymin) for existing in seen_objects):
-                    seen_objects.append(current_object)
-                    overall_counts[label_en] = overall_counts.get(label_en, 0) + 1
-
-                    # رسم مستطیل و نام شیء بر روی فریم
-                    cv2.rectangle(frame, (int(xmin), int(ymin)), (int(xmax), int(ymax)), (255, 0, 0), 2)
-                    cv2.putText(frame, f"{label_en}: {conf:.2f}", (int(xmin), int(ymin) - 10),
-                                cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
-
-        frames.append(frame)
-
-    cap.release()
-
-    output_path = 'output.mp4'
-    out = cv2.VideoWriter(output_path, cv2.VideoWriter_fourcc(*'mp4v'), 20.0, (640, 480))
-
-    for frame in frames:
-        out.write(frame)
-    out.release()
-
-    # ایجاد DataFrame برای ذخیره نتایج
-    df = pd.DataFrame({
-        'Label (English)': list(overall_counts.keys()),
-        'Label (Persian)': [class_names.get(k, ('unknown', 'ناشناخته'))[1] for k in overall_counts.keys()],
-        'Object Count': list(overall_counts.values())
-    })
-
-    return output_path, df
+    return annotated_image_pil, df
 
 # رابط کاربری تصویر
 image_interface = gr.Interface(
@@ -123,19 +63,9 @@ image_interface = gr.Interface(
     outputs=[gr.Image(type="pil"), gr.Dataframe(label="تعداد اشیاء")],
     title="تشخیص اشیاء در تصاویر هوایی",
     description="یک تصویر هوایی بارگذاری کنید تا اشیاء شناسایی شده و تعداد آن‌ها را ببینید.",
-    examples=['Examples/images/areial_car.jpg', '/Examples/images/arieal_car_1.jpg', 'Examples/images/t.jpg']
-)
-
-# رابط کاربری ویدئو
-video_interface = gr.Interface(
-    fn=detect_and_draw_video,
-    inputs=gr.Video(label="بارگذاری ویدئو"),
-    outputs=[gr.Video(label="ویدئوی پردازش شده"), gr.Dataframe(label="تعداد اشیاء")],
-    title="تشخیص اشیاء در ویدئوها",
-    description="یک ویدئو بارگذاری کنید تا اشیاء شناسایی شده و تعداد آن‌ها را ببینید.",
-    examples=['Examples/video/city.mp4', 'Examples/video/airplane.mp4']
+    examples=['Examples/images/areial_car.jpg', 'Examples/images/arieal_car_1.jpg','Examples/images/t.jpg']
 )
 
-# اجرای برنامه با استفاده از رابط کاربری تب‌دار
-app = gr.TabbedInterface([image_interface, video_interface], ["تشخیص تصویر", "تشخیص ویدئو"])
+# اجرای برنامه
+app = gr.Interface(fn=detect_and_draw_image, inputs=gr.Image(type="pil"), outputs=[gr.Image(type="pil"), gr.Dataframe()])
 app.launch(debug=True, share=True)