app.py

import gradio as gr
from ultralytics import YOLO
import cv2
import numpy as np
from PIL import Image
import torch
import os

# Моделді жүктеу
model = None

def load_model(model_path="best.pt"):
    """Моделді жүктеу функциясы"""
    global model
    try:
        # Егер best.pt болмаса, pretrained модельді жүктеу
        if not os.path.exists(model_path):
            print(f"⚠️ {model_path} табылмады. Pretrained модельді жүктеу...")
            model_path = "yolov8n-seg.pt"  # Автоматты жүктеледі
        
        model = YOLO(model_path)
        return f"✅ Модель сәтті жүктелді: {model_path}"
    except Exception as e:
        return f"❌ Қате: {str(e)}"

def predict_image(image, conf_threshold=0.25, iou_threshold=0.45):
    """Суретті талдау және сегментация жасау"""
    if model is None:
        return None, "❌ Модель жүктелмеген!"
    
    if image is None:
        return None, "❌ Сурет жүктелмеді!"
    
    try:
        # Болжам жасау
        results = model.predict(
            source=image,
            conf=conf_threshold,
            iou=iou_threshold,
            save=False
        )
        
        # Нәтижені визуализациялау
        annotated_img = results[0].plot()
        annotated_img = cv2.cvtColor(annotated_img, cv2.COLOR_BGR2RGB)
        
        # Анықталған объектілер туралы ақпарат
        detections = []
        if results[0].masks is not None:
            for i, (box, mask) in enumerate(zip(results[0].boxes, results[0].masks)):
                class_id = int(box.cls[0])
                confidence = float(box.conf[0])
                class_name = model.names[class_id]
                detections.append(f"{i+1}. {class_name}: {confidence:.2%}")
        
        info_text = "\n".join(detections) if detections else "ℹ️ Объектілер табылмады"
        
        return annotated_img, info_text
    
    except Exception as e:
        return None, f"❌ Қате: {str(e)}"

# Gradio интерфейсі
def create_interface():
    with gr.Blocks(title="YOLOv8 Қазақша Сегментация", theme=gr.themes.Soft()) as demo:
        gr.Markdown("""
        # 🎯 YOLOv8 Сегментация - Қазақша
        
        Бұл модель объектілерді анықтап, сегментациялайды. 
        Суретті жүктеп, параметрлерді орнатыңыз.
        
        > ⚠️ **Назар:** Егер өз модельіңіз болса, `best.pt` файлын жүктеңіз. 
        > Әйтпесе, COCO dataset pretrained моделі қолданылады.
        """)
        
        with gr.Row():
            with gr.Column():
                input_image = gr.Image(
                    label="📸 Суретті жүктеңіз",
                    type="numpy"
                )
                
                conf_slider = gr.Slider(
                    minimum=0.1,
                    maximum=1.0,
                    value=0.25,
                    step=0.05,
                    label="🎯 Сенімділік табалдырығы (Confidence)"
                )
                
                iou_slider = gr.Slider(
                    minimum=0.1,
                    maximum=1.0,
                    value=0.45,
                    step=0.05,
                    label="📊 IoU табалдырығы"
                )
                
                predict_btn = gr.Button("🔍 Талдау", variant="primary", size="lg")
            
            with gr.Column():
                output_image = gr.Image(
                    label="✨ Нәтиже"
                )
                output_text = gr.Textbox(
                    label="📋 Анықталған объектілер",
                    lines=10
                )
        
        gr.Markdown("""
        ### 📝 Нұсқаулық:
        1. Суретті жүктеңіз
        2. Қажет болса параметрлерді өзгертіңіз
        3. "Талдау" батырмасын басыңыз
        
        ### ⚙️ Параметрлер:
        - **Сенімділік табалдырығы**: Объектіді қабылдау үшін минималды сенімділік
        - **IoU табалдырығы**: Non-maximum suppression үшін қолданылады
        
        ### 🏷️ Анықталатын объектілер:
        person (адам), car (машина), dog (ит), cat (мысық), bicycle (велосипед), т.б.
        """)
        
        predict_btn.click(
            fn=predict_image,
            inputs=[input_image, conf_slider, iou_slider],
            outputs=[output_image, output_text]
        )
    
    return demo

# Моделді жүктеу
print(load_model())

# Интерфейсті іске қосу
if __name__ == "__main__":
    demo = create_interface()
    demo.launch()