Update app.py

app.py

@@ -54,10 +54,7 @@ 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)
-    obb_results = results[0].obb
-
-    # بررسی وجود جعبه‌های شناسایی شده
-    if obb_results is None or len(obb_results.data) == 0:
+    if not results or not hasattr(results[0], 'boxes') or results[0].boxes is None:
         print("هیچ شیء شناسایی نشده است.")
         df = pd.DataFrame({
             'Label (English)': [],
@@ -70,23 +67,20 @@ def detect_and_draw_image(input_image):
     image_np = np.array(input_image.convert('RGB'))[:, :, ::-1]  # تبدیل PIL به OpenCV
 
     counts = {}
-    for obb, conf, cls in zip(obb_results.data.cpu().numpy(), obb_results.conf.cpu().numpy(), obb_results.cls.cpu().numpy()):
+    for box in results[0].boxes:
         # دسترسی به مختصات جعبه و اطمینان
-        x_center, y_center, width, height, rotation = obb[:5]
-        class_id = int(cls)
+        xmin, ymin, xmax, ymax, conf, class_id = box.cpu().numpy()
+        class_id = int(class_id)
         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 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)
+        # رسم مستطیل با استفاده از OpenCV
         color = colors.get(class_id, (0, 255, 0))  # استفاده از رنگ مشخص برای هر کلاس
-        cv2.drawContours(image_np, [box], 0, color, 2)
-        cv2.putText(image_np, f'{label_en}: {confidence:.2f}', (int(x_center), int(y_center)), 
+        cv2.rectangle(image_np, (int(xmin), int(ymin)), (int(xmax), int(ymax)), color, 2)
+        cv2.putText(image_np, f'{label_en}: {confidence:.2f}', (int(xmin), int(ymin) - 10), 
                     cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 1, cv2.LINE_AA)
 
     # تبدیل تصویر به RGB برای Gradio
@@ -107,7 +101,6 @@ 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()
@@ -116,31 +109,21 @@ def detect_and_draw_video(video_path):
 
         frame = cv2.resize(frame, (640, 480))
         results = model.predict(source=frame, conf=0.3)
-        obb_results = results[0].obb
-
-        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(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
-                           (existing[1] < current_object[3] and existing[3] > current_object[1] and
-                            existing[2] < current_object[4] and existing[4] > current_object[2]) 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
-                    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.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)
+        if not results or not hasattr(results[0], 'boxes') or results[0].boxes is None:
+            continue
+
+        for box in results[0].boxes:
+            xmin, ymin, xmax, ymax, conf, class_id = box.cpu().numpy()
+            class_id = int(class_id)
+            confidence = float(conf)
+            label_en, label_fa = class_names.get(class_id, ('unknown', 'ناشناخته'))
+            overall_counts[label_en] = overall_counts.get(label_en, 0) + 1
+
+            # رسم مستطیل و نام ش��ء بر روی فریم
+            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}: {confidence:.2f}', (int(xmin), int(ymin) - 10),
+                        cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2)
 
         frames.append(frame)