Update app.py

app.py

@@ -1,75 +1,80 @@
 import gradio as gr
 import mlflow
-import os
-import time
-import tempfile
-import shutil
+import dagshub
 from ultralytics import YOLO
 from PIL import Image
 import cv2
 import numpy as np
+import os
+import time
+import tempfile
 
 # ==============================
-# MLflow Configuration using Secrets ONLY
+# MLflow Authentication via Secrets (زي ما أنت عايز بالظبط)
 # ==============================
 tracking_uri = os.getenv("MLFLOW_TRACKING_URI")
 username = os.getenv("MLFLOW_TRACKING_USERNAME")
 password = os.getenv("MLFLOW_TRACKING_PASSWORD")
 
 if not all([tracking_uri, username, password]):
-    raise ValueError("MLflow Secrets مش مظبوطة! روح لـ Space Settings → Secrets وتأكد من الأسماء")
+    raise ValueError("❌ MLflow Secrets مش موجودة أو غلط! روح Settings → Secrets وتأكد من الأسماء التلاتة")
 
 os.environ["MLFLOW_TRACKING_URI"] = tracking_uri
 os.environ["MLFLOW_TRACKING_USERNAME"] = username
 os.environ["MLFLOW_TRACKING_PASSWORD"] = password
 
-# إنشاء experiment
+# تفعيل DagsHub
+dagshub.init(repo_owner="Mosensei7", repo_name="AutonomousVehiclesDetectionDEPI", mlflow=True)
+
+# إنشاء experiment مخصص
 mlflow.set_experiment("YOLOv12s_Inference_Logs")
-print("✅ MLflow configured successfully using secrets!")
+
+print("✅ MLflow + DagsHub connected successfully via Secrets!")
 
 # ==============================
-# Load Model
+# تحميل الموديل الصحيح
 # ==============================
-model = YOLO("Yolo12s.pt")  # اسم الـ repo بتاعك
+# لو رافع الموديل على HF كـ repo، استخدم الاسم الكامل
+model = YOLO("Mosensei7/yolov12s-egyptian-autonomous-vehicles/best.pt")  # غيّر الاسم لو مختلف
 
 # ==============================
-# Inference with Full MLflow Tracking
+# Inference مع رفع كل حاجة على DagsHub
 # ==============================
 def run_inference(media_file, media_type):
     if media_file is None:
-        return None, None, "ارفع ملف أولاً"
+        return None, None, "⚠️ ارفع صورة أو فيديو أولاً"
 
     media_path = media_file.name
 
-    with mlflow.start_run(run_name=f"Inference_{int(time.time())}") as run:
+    with mlflow.start_run(run_name=f"YOLOv12s_Inference_{int(time.time())}") as run:
         mlflow.log_param("media_type", media_type)
-        mlflow.log_param("model", "YOLOv12s")
+        mlflow.log_param("model_version", "YOLOv12s")
         mlflow.log_param("timestamp", time.strftime("%Y-%m-%d %H:%M:%S"))
 
+        run_url = f"https://dagshub.com/Mosensei7/AutonomousVehiclesDetectionDEPI/mlflow/#/experiments/{mlflow.get_experiment_by_name('YOLOv12s_Inference_Logs').experiment_id}/runs/{run.info.run_id}"
+
         if media_type == "Image":
             img = Image.open(media_path).convert("RGB")
             img_array = np.array(img)
 
             results = model(img_array)[0]
             annotated = results.plot()
-            output_img = Image.fromarray(annotated[..., ::-1])  # BGR → RGB
+            output_img = Image.fromarray(annotated[..., ::-1])
 
-            # حفظ مؤقت ورفع artifacts
+            # رفع input/output
             with tempfile.TemporaryDirectory() as tmpdir:
                 in_path = os.path.join(tmpdir, "input.jpg")
                 out_path = os.path.join(tmpdir, "output.jpg")
                 img.save(in_path)
                 output_img.save(out_path)
 
-                mlflow.log_artifact(in_path, artifact_path="input")
-                mlflow.log_artifact(out_path, artifact_path="output")
+                mlflow.log_artifact(in_path, "input")
+                mlflow.log_artifact(out_path, "output")
 
             detections = len(results.boxes) if results.boxes is not None else 0
-            mlflow.log_metric("detections_count", detections)
+            mlflow.log_metric("detections", detections)
 
-            run_url = f"https://dagshub.com/Mosensei7/AutonomousVehiclesDetectionDEPI/mlflow/#/experiments/{mlflow.get_experiment_by_name('YOLOv12s_Inference_Logs').experiment_id}/runs/{run.info.run_id}"
-
-            return output_img, None, f"✅ تم التسجيل!\nRun ID: {run.info.run_id}\n[شوف الـ Log على DagsHub]({run_url})"
+            return output_img, None, f"**✅ تم الكشف والتسجيل بنجاح!**\n\n**Run ID:** `{run.info.run_id}`\n[👀 شوف الـ Log كامل على DagsHub]({run_url})"
 
         else:  # Video
             cap = cv2.VideoCapture(media_path)
@@ -96,48 +101,106 @@ def run_inference(media_file, media_type):
             cap.release()
             writer.release()
 
-            # رفع الفيديوهات
-            mlflow.log_artifact(media_path, artifact_path="input_video")
-            mlflow.log_artifact(output_video, artifact_path="output_video")
-
-            mlflow.log_metric("frames_processed", frame_count)
+            mlflow.log_artifact(media_path, "input_video")
+            mlflow.log_artifact(output_video, "output_video")
+            mlflow.log_metric("frames", frame_count)
             mlflow.log_metric("total_detections", total_detections)
-            mlflow.log_metric("avg_detections_per_frame", total_detections / frame_count if frame_count > 0 else 0)
-
-            run_url = f"https://dagshub.com/Mosensei7/AutonomousVehiclesDetectionDEPI/mlflow/#/experiments/{mlflow.get_experiment_by_name('YOLOv12s_Inference_Logs').experiment_id}/runs/{run.info.run_id}"
+            mlflow.log_metric("avg_detections_per_frame", round(total_detections / frame_count, 2) if frame_count > 0 else 0)
 
-            # حذف الفيديو المؤقت عشان المساحة
+            # حذف الفيديو المؤقت
             if os.path.exists(output_video):
                 os.remove(output_video)
 
-            return None, output_video, f"✅ تم التسجيل!\nRun ID: {run.info.run_id}\n[شوف الـ Log على DagsHub]({run_url})"
+            return None, output_video, f"**✅ تم معالجة الفيديو والتسجيل بنجاح!**\n\n**Run ID:** `{run.info.run_id}`\n[👀 شوف الـ Log كامل على DagsHub]({run_url})"
 
 # ==============================
-# Futuristic UI (الأجمل على الإطلاق)
+# التصميم الفضائي الرهيب جدًا (Cyberpunk 2077 style)
 # ==============================
 css = """
-body { background: linear-gradient(135deg, #0f0c29, #302b63, #24243e); color: #00ffff; font-family: 'Orbitron', sans-serif; }
-.gradio-container { max-width: 1100px; margin: auto; background: rgba(0,0,0,0.8); border: 3px solid #00ffff; border-radius: 30px; padding: 40px; box-shadow: 0 0 50px #00ffff; }
-h1 { text-align: center; color: #00ffff; text-shadow: 0 0 20px #00ffff; font-size: 3.2em; }
-button { background: linear-gradient(45deg, #ff00ff, #00ffff); border: none; border-radius: 20px; height: 60px; font-size: 1.3em; box-shadow: 0 0 25px #00ffff; }
+body {
+    background: linear-gradient(135deg, #000428, #004e92);
+    color: #00ffea;
+    font-family: 'Rajdhani', sans-serif;
+}
+.gradio-container {
+    max-width: 1200px;
+    margin: 0 auto;
+    background: linear-gradient(145deg, rgba(0,20,40,0.9), rgba(0,10,30,0.95));
+    border: 3px solid #00ffea;
+    border-radius: 30px;
+    padding: 40px;
+    box-shadow: 
+        0 0 30px #00ffea,
+        inset 0 0 30px rgba(0,255,234,0.2);
+}
+h1 {
+    text-align: center;
+    font-size: 3.8em;
+    color: #00ffea;
+    text-shadow: 
+        0 0 10px #00ffea,
+        0 0 20px #00ffea,
+        0 0 40px #00ffea;
+    letter-spacing: 4px;
+    margin-bottom: 20px;
+}
+p {
+    text-align: center;
+    font-size: 1.4em;
+    color: #00ffea;
+    text-shadow: 0 0 10px #00ffea;
+}
+button {
+    background: linear-gradient(45deg, #ff00ff, #00ffff, #00ff00);
+    background-size: 300% 300%;
+    animation: gradient 5s ease infinite;
+    border: none;
+    border-radius: 25px;
+    font-size: 1.6em;
+    height: 70px;
+    font-weight: bold;
+    box-shadow: 0 0 30px #00ffff;
+    transition: all 0.3s;
+}
+button:hover {
+    transform: scale(1.05);
+    box-shadow: 0 0 50px #00ffff;
+}
+@keyframes gradient {
+    0% { background-position: 0% 50%; }
+    50% { background-position: 100% 50%; }
+    100% { background-position: 0% 50%; }
+}
 """
 
-with gr.Blocks(css=css, theme=gr.themes.Monochrome()) as demo:  # ✅ FIXED THEME HERE
+with gr.Blocks(css=css, theme=gr.themes.Soft()) as demo:
     gr.Markdown("""
-    # 🚀 YOLOv12s - كشف المركبات في الشوارع المصرية 🇪🇬
-    **كل عملية كشف بتترفع تلقائيًا على DagsHub MLflow مع الـ input والـ output والإحصائيات**
+    # 🚀 YOLOv12s
+    ### كشف المركبات في الشوارع المصرية بذكاء اصطناعي 🇪🇬
+    **كل عملية كشف بتترفع تلقائيًا على DagsHub MLflow مع كل التفاصيل**
     """)
 
     with gr.Row():
         with gr.Column(scale=1):
-            media = gr.File(label="📤 ارفع صورة أو فيديو", file_types=[".jpg", ".jpeg", ".png", ".mp4", ".avi"])
-            media_type = gr.Radio(["Image", "Video"], label="نوع الميديا", value="Image")
-            btn = gr.Button("🚀 ابدأ الكشف", variant="primary", size="lg")
+            gr.Markdown("### 📤 ارفع ملفك")
+            media = gr.File(
+                label="صورة أو فيديو",
+                file_types=[".jpg", ".jpeg", ".png", ".mp4", ".avi"],
+                height=200
+            )
+            media_type = gr.Radio(
+                ["Image", "Video"],
+                label="نوع الميديا",
+                value="Image",
+                info="اختار نوع الملف اللي هترفعه"
+            )
+            btn = gr.Button("🔥 ابدأ الكشف الآن", variant="primary", size="lg")
 
         with gr.Column(scale=2):
-            img_out = gr.Image(label="🖼️ نتيجة الكشف", height=600)
-            vid_out = gr.Video(label="🎥 نتيجة الكشف", height=600)
-            info = gr.Markdown("**جاهز للكشف...**")
+            gr.Markdown("### 📊 النتيجة")
+            img_out = gr.Image(label="نتيجة الكشف على الصورة", height=550)
+            vid_out = gr.Video(label="نتيجة الكشف على الفيديو", height=550)
+            info = gr.Markdown("**جاهز للكشف... ارفع ملف واضغط ابدأ**")
 
     btn.click(
         fn=run_inference,