# !pip install ultralytics
# !pip install gradio

import cv2
from ultralytics import YOLO
from PIL import Image, ImageDraw
import gradio as gr
import pandas as pd

# بارگذاری مدل آموزش‌دیده شما
model = YOLO('/content/yolo11n-obb.pt')

# تعریف نام کلاس‌ها به انگلیسی و فارسی
class_names = {
    0: ('plane', 'هواپیما'),
    1: ('ship', 'کشتی'),
    2: ('storage tank', 'مخزن ذخیره'),
    3: ('baseball diamond', 'زمین بیسبال'),
    4: ('tennis court', 'زمین تنیس'),
    5: ('basketball court', 'زمین بسکتبال'),
    6: ('ground track field', 'زمین دو و میدانی'),
    7: ('harbor', 'بندرگاه'),
    8: ('bridge', 'پل'),
    9: ('large vehicle', 'خودرو بزرگ'),
    10: ('small vehicle', 'خودرو کوچک'),
    11: ('helicopter', 'هلیکوپتر'),
    12: ('roundabout', 'میدان'),
    13: ('soccer ball field', 'زمین فوتبال'),
    14: ('swimming pool', 'استخر شنا')
}

# تابع برای تشخیص اشیاء در تصاویر
def detect_and_draw_image(input_image):
    results = model(input_image)

    # بررسی کردن اینکه آیا اشیاء شناسایی شده اند یا خیر
    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

    draw = ImageDraw.Draw(input_image)
    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'))
        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(frame)
        detections = results[0].boxes.boxes

        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

# رابط کاربری تصویر
image_interface = gr.Interface(
    fn=detect_and_draw_image,
    inputs=gr.Image(type="pil", label="بارگذاری تصویر"),
    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=['/content/example/images/areial_car.jpg', '/content/example/images/arieal_car_1.jpg']  # مسیر نمونه‌های خود را وارد کنید
)

# 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=['/content/example_video1.mp4', '/content/example_video2.mp4']  # مسیر نمونه‌های خود را وارد کنید
)

# اجرای برنامه با استفاده از رابط کاربری تب‌دار
app = gr.TabbedInterface([image_interface, video_interface], ["تشخیص تصویر", "تشخیص ویدئو"])
app.launch(debug=True, share=True)

# * Running on local URL:  http://127.0.0.1:7860
# * Running on public URL: https://c0bd255e573eb86c80.gradio.live