Update app.py

app.py

@@ -1,36 +1,64 @@
 import os
-# Kütüphane yükleme hatalarını minimize etmek için
-os.environ['SYSTEM'] = 'spaces'
-
-import gradio as gr
-from ultralytics import YOLO
 import cv2
 import numpy as np
+import gradio as gr
+from ultralytics import YOLO
 
-# Yetki hatası önlemi
-os.environ['YOLO_CONFIG_DIR'] = '/tmp/Ultralytics'
+# Hugging Face Spaces'te yazma izni olan tek yer /tmp dizinidir.
+os.environ['YOLO_CONFIG_DIR'] = '/tmp'
 
-# Model yükle
-model = YOLO("best.pt")
+# Modeli yükle (best.pt dosyasının app.py ile aynı klasörde olduğundan emin ol)
+try:
+    model = YOLO("best.pt")
+except Exception as e:
+    print(f"Model yükleme hatası: {e}")
 
 def predict_caries(image, conf_threshold):
     if image is None:
         return None
-    results = model.predict(source=image, conf=conf_threshold, iou=0.2, imgsz=640)
-    res_plotted = results[0].plot(labels=False, conf=False)
+    
+    # Predict işlemi
+    # save=False ve exist_ok=True parametreleri hata almanı önler
+    results = model.predict(
+        source=image, 
+        conf=conf_threshold, 
+        iou=0.45, 
+        imgsz=640,
+        device='cpu' # CPU üzerinde çalıştığından emin oluyoruz
+    )
+    
+    # Sonucu görselleştir
+    res_plotted = results[0].plot(labels=True, conf=True)
+    
+    # OpenCV BGR formatında döner, Gradio RGB bekler
     return cv2.cvtColor(res_plotted, cv2.COLOR_BGR2RGB)
 
-with gr.Blocks() as demo:
-    gr.Markdown("# 🦷 Dental Caries Detection System For Akansh Mani")
+# Arayüz Oluşturma
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🦷 Dental Caries Detection System")
+    gr.Markdown("X-ray görüntüsünü yükle ve AI analizini başlat.")
+    
     with gr.Row():
         with gr.Column():
             input_img = gr.Image(type="numpy", label="Upload X-Ray")
-            conf_slider = gr.Slider(0.01, 0.95, value=0.25, label="Confidence Threshold")
+            conf_slider = gr.Slider(
+                minimum=0.0, 
+                maximum=1.0, 
+                value=0.25, 
+                step=0.05, 
+                label="Confidence Threshold"
+            )
             btn = gr.Button("🔍 Run AI Analysis", variant="primary")
+        
         with gr.Column():
             output_img = gr.Image(type="numpy", label="Result")
 
-    btn.click(fn=predict_caries, inputs=[input_img, conf_slider], outputs=output_img)
+    btn.click(
+        fn=predict_caries, 
+        inputs=[input_img, conf_slider], 
+        outputs=output_img
+    )
 
 if __name__ == "__main__":
-    demo.launch()
+    # Hugging Face için server_name ve server_port ayarları önemlidir
+    demo.launch(server_name="0.0.0.0", server_port=7860)