mobilesam v1.2

app.py

@@ -30,7 +30,7 @@ def greet_json():
 @app.post("/predict_full")
 async def predict_full(
     file: UploadFile = File(...),
-    point_x: int = Query(..., description="X-координата точки на фрукте (в пикселях оригинального изображения)"),
+    point_x: int = Query(..., description="X-координата точки на фрукте"),
     point_y: int = Query(..., description="Y-координата точки на фрукте"),
     return_cropped: bool = Query(default=True, description="Вернуть обрезанное изображение в base64?"),
     cropped_size: int = Query(224, description="Размер обрезанного изображения (100 или 224)")
@@ -43,7 +43,8 @@ async def predict_full(
     input_point = np.array([[point_x, point_y]])
     input_label = np.array([1])  # 1 = foreground
 
-    masks, scores, _ = sam_model.predict(
+    # Правильный вызов MobileSAM (без set_image!)
+    masks, scores, logits = sam_model(
         image=orig_np,
         point_coords=input_point,
         point_labels=input_label,
@@ -103,7 +104,7 @@ async def predict_full(
         result["freshness"] = fresh_name
         result["freshness_confidence"] = round(fresh_conf, 4)
 
-    # Возвращаем обрезанное изображение (по умолчанию cropped_size)
+    # Возвращаем обрезанное изображение
     if return_cropped:
         cropped_final = crop_fruit_with_white_bg(orig_np, mask, out_size=cropped_size)
         pil_img = Image.fromarray(cropped_final)

utils.py

@@ -17,7 +17,7 @@ def preprocess_for_classifier(img: np.ndarray) -> torch.Tensor:
     ])
     return transform(img)
 
-# Letterbox без искажения пропорций
+# Letterbox без искажения
 def letterbox_any_size(
     img: np.ndarray,
     target_size: int = 224,