Update app.py

app.py

@@ -6,25 +6,28 @@ import numpy as np
 from ultralytics import YOLO
 
 # โหลดโมเดล YOLOv8 ที่ฝึกมาเอง
-model = YOLO('best_V5.pt')  # เปลี่ยน 'your_model.pt' เป็นโมเดลของคุณ
+model = YOLO('best_V5')  # เปลี่ยน 'your_model.pt' เป็นโมเดลของคุณ
 
 def predict(image):
     # ทำการทำนาย
     results = model(image)
-    df = results.pandas().xyxy[0]  # ผลลัพธ์การทำนายในรูปแบบ pandas DataFrame
 
     # วาด bounding boxes และ labels บนภาพ
-    for _, row in df.iterrows():
-        label = row['name']
-        confidence = row['confidence']
-        x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
+    for result in results:
+        boxes = result.boxes.xyxy.cpu().numpy()
+        labels = result.names
+        confidences = result.boxes.conf.cpu().numpy()
+        
+        for box, confidence in zip(boxes, confidences):
+            x1, y1, x2, y2 = map(int, box)
+            label = labels[box[5]]  # Assuming the label is stored in the last column (index 5)
 
-        # วาด bounding box
-        cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
+            # วาด bounding box
+            cv2.rectangle(image, (x1, y1), (x2, y2), (0, 255, 0), 2)
 
-        # วาด label และ confidence
-        label_text = f"{label} {confidence:.2f}"
-        cv2.putText(image, label_text, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
+            # วาด label และ confidence
+            label_text = f"{label} {confidence:.2f}"
+            cv2.putText(image, label_text, (x1, y1 - 10), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 2)
 
     # แปลงภาพกลับเป็นรูปแบบที่ Gradio สามารถแสดงได้
     pil_image = Image.fromarray(cv2.cvtColor(image, cv2.COLOR_BGR2RGB))