Update app.py

app.py

@@ -10,8 +10,14 @@ import numpy as np
 import tempfile
 import os
 
+# بررسی وجود فایل مدل
+if os.path.exists('best.pt'):
+    print("Model file found.")
+else:
+    print("Model file not found. Please upload 'best.pt' to the Space.")
+
 # بارگذاری مدل آموزش‌دیده شما
-model = YOLO('/content/best.pt')  # یا '/content/best.pt' بر اساس مدل مورد نظر شما
+model = YOLO('best.pt')  # مسیر مدل را به صورت نسبی تنظیم کنید
 
 # تعریف نام کلاس‌ها به انگلیسی و فارسی
 class_names = {
@@ -44,12 +50,13 @@ colors = {
     7: (255, 165, 0),     # نارنجی
     8: (0, 128, 0),       # سبز تیره
     9: (128, 128, 0),     # زیتونی
-    10: (128, 0, 0),      # سرخ کلید
+    10: (0, 255, 0),      # سبز روشن برای class_id=10
     11: (0, 128, 128),    # سبز نفتی
     12: (0, 0, 128),      # نیوی
     13: (75, 0, 130),     # ایندیگو
     14: (199, 21, 133)    # رز متوسط
 }
+
 # تابع برای تشخیص اشیاء در تصاویر
 def detect_and_draw_image(input_image):
     try:
@@ -57,12 +64,8 @@ def detect_and_draw_image(input_image):
         input_image_np = np.array(input_image)
         print("Image converted to NumPy array.")
 
-        # تبدیل تصویر به BGR برای OpenCV
-        image_cv = cv2.cvtColor(input_image_np, cv2.COLOR_RGB2BGR)
-        print("Image converted to OpenCV format.")
-
-        # اجرای مدل روی تصویر با استفاده از آرایه NumPy
-        results = model.predict(source=image_cv, conf=0.3)
+        # اجرای مدل روی تصویر با استفاده از آرایه NumPy (RGB)
+        results = model.predict(source=input_image_np, conf=0.3)
         print("Model prediction completed.")
 
         # دسترسی به نتایج OBB
@@ -95,12 +98,12 @@ def detect_and_draw_image(input_image):
             box_points = cv2.boxPoints(rect)
             box_points = np.int0(box_points)
             color = colors.get(class_id, (0, 255, 0))
-            cv2.drawContours(image_cv, [box_points], 0, color, 2)
+            cv2.drawContours(input_image_np, [box_points], 0, color, 2)
             print(f"Drawn OBB for class_id {class_id} with confidence {confidence}.")
 
             # رسم برچسب
             label_en, label_fa = class_names.get(class_id, ('unknown', 'ناشناخته'))
-            cv2.putText(image_cv, f'{label_en}: {confidence:.2f}',
+            cv2.putText(input_image_np, f'{label_en}: {confidence:.2f}',
                         (int(x_center), int(y_center)),
                         cv2.FONT_HERSHEY_SIMPLEX, 0.5, color, 2, cv2.LINE_AA)
 
@@ -108,7 +111,7 @@ def detect_and_draw_image(input_image):
             counts[label_en] = counts.get(label_en, 0) + 1
 
         # تبدیل تصویر به RGB برای Gradio
-        image_rgb = cv2.cvtColor(image_cv, cv2.COLOR_BGR2RGB)
+        image_rgb = cv2.cvtColor(input_image_np, cv2.COLOR_BGR2RGB)
         output_image = Image.fromarray(image_rgb)
         print("Image converted back to RGB for Gradio.")
 
@@ -253,4 +256,4 @@ video_interface = gr.Interface(
 
 # اجرای برنامه با استفاده از رابط کاربری تب‌دار
 app = gr.TabbedInterface([image_interface, video_interface], ["تشخیص تصویر", "تشخیص ویدئو"])
-app.launch(debug=True)
+app.launch(debog=True)