Update app.py

app.py

@@ -1,40 +1,41 @@
+from fastapi import FastAPI, File, UploadFile
 import io
 import numpy as np
-import cv2
-from fastapi import FastAPI, File, UploadFile
 from PIL import Image
-import torch
-import torch.nn.functional as F
+import uvicorn
 
 app = FastAPI()
 
 @app.post("/analyze_path/")
 async def analyze_path(file: UploadFile = File(...)):
     image_bytes = await file.read()
-    image = Image.open(io.BytesIO(image_bytes)).convert("L")  # Convert to grayscale
+    image = Image.open(io.BytesIO(image_bytes)).convert("L")  # Chuyển ảnh sang grayscale
     depth_map = np.array(image)
 
-    # 🟢 Tìm đường đi bằng phẳng (vùng có độ sâu ổn định)
+    # Phân tích ảnh Depth Map
     command = detect_path(depth_map)
 
     return {"command": command}
 
 def detect_path(depth_map):
+    """Xác định đường có thể đi từ ảnh Depth Map"""
     h, w = depth_map.shape
-    center_x = w // 2  # Điểm giữa ảnh
-    scan_y = h - 20  # Quét dòng gần cuối ảnh
+    center_x = w // 2
+    scan_y = h - 20  # Quét dòng gần đáy ảnh
 
     left_region = np.mean(depth_map[scan_y, :center_x])
     right_region = np.mean(depth_map[scan_y, center_x:])
     center_region = np.mean(depth_map[scan_y, center_x - 20:center_x + 20])
 
-    # 🟢 Logic điều hướng dựa vào độ sâu
-    if center_region > 200:  # Đường trước mặt rộng và không có vật cản
+    if center_region > 200:
         return "forward"
-    elif left_region > right_region:  # Phía trái trống hơn
+    elif left_region > right_region:
         return "left"
-    elif right_region > left_region:  # Phía phải trống hơn
+    elif right_region > left_region:
         return "right"
     else:
-        return "backward"  # Nếu tất cả đều bị cản, lùi lại
+        return "backward"
 
+# 🟢 Đảm bảo app khởi động đúng khi chạy trên Hugging Face
+if __name__ == "__main__":
+    uvicorn.run(app, host="0.0.0.0", port=7860)