Update app.py

app.py

@@ -1,129 +1,66 @@
 import os
-
 import cv2
-
 import numpy as np
-
 import gradio as gr
-
 from ultralytics import YOLO
 
-
-
 # Hugging Face Spaces'te yazma hatalarını önlemek için geçici dizin ayarı
-
 os.environ['YOLO_CONFIG_DIR'] = '/tmp'
 
-
-
 # Modeli yükle
-
 try:
-
-# best.pt dosyanın ana dizinde olduğundan emin ol
-
-model = YOLO("best.pt")
-
+    # Boşluklara dikkat: try bloğunun altındaki satırlar içeride olmalı
+    model = YOLO("best.pt")
 except Exception as e:
-
-print(f"Model yüklenirken bir hata oluştu: {e}")
-
-
+    print(f"Model yüklenirken bir hata oluştu: {e}")
 
 def predict_caries(image, conf_threshold):
-
-if image is None:
-
-return None
-
-
-# Tahmin (Inference) yap
-
-# imgsz=640 standarttır, device='cpu' ücretsiz Hugging Face katmanı içindir
-
-results = model.predict(
-
-source=image,
-
-conf=conf_threshold,
-
-iou=0.45,
-
-imgsz=640,
-
-device='cpu'
-
-)
-
-
-# Sonuçları çizdir (Plotted image)
-
-# Gradio 6 ve Ultralytics uyumu için numpy formatına çeviriyoruz
-
-res_plotted = results[0].plot(labels=True, conf=True)
-
-
-# BGR'den RGB'ye dönüştür (Gradio RGB bekler)
-
-return cv2.cvtColor(res_plotted, cv2.COLOR_BGR2RGB)
-
-
-
-# Arayüz - Gradio 6 Modern Tasarımı
-
+    if image is None:
+        return None
+    
+    # Tahmin (Inference) yap
+    results = model.predict(
+        source=image, 
+        conf=conf_threshold, 
+        iou=0.45, 
+        imgsz=640,
+        device='cpu'
+    )
+    
+    # Sonuçları çizdir
+    # conf=False: Karelerin üzerindeki güven skorunu (sayıları) gizler
+    res_plotted = results[0].plot(labels=True, conf=False)
+    
+    # BGR'den RGB'ye dönüştür
+    return cv2.cvtColor(res_plotted, cv2.COLOR_BGR2RGB)
+
+# Arayüz
 with gr.Blocks(theme=gr.themes.Default()) as demo:
-
-gr.Markdown("# 🦷 Dental Caries Detection System For Akansh Mani")
-
-gr.Markdown("Upload the X-ray image and wait for the AI ​​to analyze it.")
-
-
-with gr.Row():
-
-with gr.Column():
-
-input_img = gr.Image(type="numpy", label="Upload X-Ray")
-
-conf_slider = gr.Slider(
-
-minimum=0.01,
-
-maximum=1.0,
-
-value=0.25,
-
-step=0.01,
-
-label="Confidence Threshold"
-
-)
-
-btn = gr.Button("🔍 Run AI Analysis", variant="primary")
-
-
-with gr.Column():
-
-output_img = gr.Image(type="numpy", label="Detection Result")
-
-
-
-# Buton tetikleyicisi
-
-btn.click(
-
-fn=predict_caries,
-
-inputs=[input_img, conf_slider],
-
-outputs=output_img
-
-)
-
-
-
-# Hugging Face Spaces üzerinde çalışması için port yapılandırması
-
+    gr.Markdown("# 🦷 Dental Caries Detection System For Akansh Mani")
+    gr.Markdown("Upload the X-ray image and wait for the AI ​​to analyze it.")
+    
+    with gr.Row():
+        with gr.Column():
+            input_img = gr.Image(type="numpy", label="Upload X-Ray")
+            conf_slider = gr.Slider(
+                minimum=0.01, 
+                maximum=1.0, 
+                value=0.25, 
+                step=0.01, 
+                label="Confidence Threshold"
+            )
+            btn = gr.Button("🔍 Run AI Analysis", variant="primary")
+        
+        with gr.Column():
+            output_img = gr.Image(type="numpy", label="Detection Result")
+
+    # Buton tetikleyicisi
+    btn.click(
+        fn=predict_caries, 
+        inputs=[input_img, conf_slider], 
+        outputs=output_img
+    )
+
+# Başlatma
 if __name__ == "__main__":
-
-demo.launch(server_name="0.0.0.0", server_port=7860)
-
+    demo.launch(server_name="0.0.0.0", server_port=7860)