Create app.py

app.py

@@ -0,0 +1,86 @@
+!pip install ultralytics
+import gradio as gr
+import cv2
+from ultralytics import YOLO
+import torch
+import os
+import numpy as np 
+
+
+loaded_model = YOLO('best.pt')
+
+# Проверка устройства
+device = 'cuda' if torch.cuda.is_available() else 'cpu'
+print(f'Используется устройство: {device}')
+loaded_model.to(device)
+
+
+# # --- Глобальные переменные для оптимизации ---
+# # Пропуск кадров для увеличения производительности
+# FRAME_SKIP = 2 # Обрабатывать каждый 2-й кадр
+# frame_counter = 0
+# last_annotated_frame = None # Храним последний обработанный кадр
+
+
+# --- Функция для обработки веб-камеры ---
+def predict_webcam(img, conf_threshold, iou_threshold):
+    # global frame_counter, last_annotated_frame
+
+    if img is None:
+        return last_annotated_frame # Возвращаем последний кадр, если новый не пришел
+
+    # Исправляем зеркальное отражение
+    img = cv2.flip(img, 1)
+
+    # frame_counter += 1
+    # if frame_counter % FRAME_SKIP != 0 and last_annotated_frame is not None:
+    #      # Если пропускаем кадр, возвращаем предыдущий результат, чтобы не было "замирания"
+    #     return last_annotated_frame
+
+    # Пропускаем кадр через модель
+    results = loaded_model.track( # ИЗМЕНЕНО: .predict() на .track() для стабильности
+        source=img,
+        conf=conf_threshold,
+        iou=iou_threshold,
+        imgsz=640,
+        verbose=False,
+        persist=True, # ВАЖНО для трекера: сохранять треки между кадрами
+        tracker='botsort.yaml' # Включаем трекер
+    )
+
+    # results - это список, содержащий один объект Results
+    # plot() возвращает аннотированное изображение в формате numpy array (BGR)
+    annotated_frame = results[0].plot()
+
+    # Преобразование цвета из BGR (OpenCV) в RGB (Gradio)
+    annotated_frame_rgb = cv2.cvtColor(annotated_frame, cv2.COLOR_BGR2RGB)
+
+    # Сохраняем последний успешно обработанный кадр
+    last_annotated_frame = annotated_frame_rgb
+
+    return annotated_frame_rgb
+
+
+# --- Определение интерфейса Gradio ---
+iface = gr.Interface(
+    fn=predict_webcam,
+    inputs=[
+        gr.Image(type="numpy", label="Webcam Feed", streaming=True),
+        gr.Slider(minimum=0, maximum=1, value=0.25, label="Confidence threshold"),
+        gr.Slider(minimum=0, maximum=1, value=0.45, label="IoU threshold"),
+    ],
+    outputs=gr.Image(type="numpy", label="Result"),
+    live=True,
+    title="Impurity Detection (Webcam)",
+    description="Real-time impurity detection using your webcam. Adjust confidence and IoU thresholds below.",
+)
+
+# # --- Запуск интерфейса Gradio ---
+# if __name__ == "__main__":
+#     # РЕШЕНИЕ №4 (дополнительно): .queue() для более отзывчивого интерфейса
+#     iface.queue().launch(share=True, debug=True)
+
+
+if __name__ == "__main__":
+    print("\nЗапуск Gradio интерфейса. Ожидайте появления публичной ссылки...")
+    iface.launch(share=True) # Устанавливаем share=True для запуска в Colab