app.py

"""
ZKA Marchés CI - Détection d'Objets avec YOLOv5
Application Gradio pour Hugging Face Spaces
"""

import gradio as gr
import torch
import cv2
import numpy as np
from PIL import Image
import sys
from pathlib import Path

# Add YOLOv5 to path
YOLOV5_ROOT = Path(__file__).resolve().parent
if str(YOLOV5_ROOT) not in sys.path:
    sys.path.insert(0, str(YOLOV5_ROOT))

# Charger le modèle YOLOv5
print("🔄 Chargement du modèle YOLOv5...")
try:
    model = torch.hub.load('ultralytics/yolov5', 'yolov5s', pretrained=True)
    model.conf = 0.25  # Seuil de confiance
    model.iou = 0.45   # Seuil IoU pour NMS
    print("✅ Modèle chargé avec succès!")
except Exception as e:
    print(f"❌ Erreur de chargement: {e}")
    model = None

# Traduction des classes en français
CLASS_NAMES_FR = {
    'person': 'Personne',
    'bicycle': 'Vélo',
    'car': 'Voiture',
    'motorcycle': 'Moto',
    'airplane': 'Avion',
    'bus': 'Bus',
    'train': 'Train',
    'truck': 'Camion',
    'boat': 'Bateau',
    'traffic light': 'Feu de circulation',
    'fire hydrant': 'Borne d\'incendie',
    'stop sign': 'Panneau stop',
    'parking meter': 'Parcomètre',
    'bench': 'Banc',
    'bird': 'Oiseau',
    'cat': 'Chat',
    'dog': 'Chien',
    'horse': 'Cheval',
    'sheep': 'Mouton',
    'cow': 'Vache',
    'elephant': 'Éléphant',
    'bear': 'Ours',
    'zebra': 'Zèbre',
    'giraffe': 'Girafe',
    'backpack': 'Sac à dos',
    'umbrella': 'Parapluie',
    'handbag': 'Sac à main',
    'tie': 'Cravate',
    'suitcase': 'Valise',
    'frisbee': 'Frisbee',
    'skis': 'Skis',
    'snowboard': 'Snowboard',
    'sports ball': 'Ballon de sport',
    'kite': 'Cerf-volant',
    'baseball bat': 'Batte de baseball',
    'baseball glove': 'Gant de baseball',
    'skateboard': 'Skateboard',
    'surfboard': 'Planche de surf',
    'tennis racket': 'Raquette de tennis',
    'bottle': 'Bouteille',
    'wine glass': 'Verre à vin',
    'cup': 'Tasse',
    'fork': 'Fourchette',
    'knife': 'Couteau',
    'spoon': 'Cuillère',
    'bowl': 'Bol',
    'banana': 'Banane',
    'apple': 'Pomme',
    'sandwich': 'Sandwich',
    'orange': 'Orange',
    'broccoli': 'Brocoli',
    'carrot': 'Carotte',
    'hot dog': 'Hot-dog',
    'pizza': 'Pizza',
    'donut': 'Donut',
    'cake': 'Gâteau',
    'chair': 'Chaise',
    'couch': 'Canapé',
    'potted plant': 'Plante en pot',
    'bed': 'Lit',
    'dining table': 'Table à manger',
    'toilet': 'Toilettes',
    'tv': 'Télévision',
    'laptop': 'Ordinateur portable',
    'mouse': 'Souris',
    'remote': 'Télécommande',
    'keyboard': 'Clavier',
    'cell phone': 'Téléphone portable',
    'microwave': 'Micro-ondes',
    'oven': 'Four',
    'toaster': 'Grille-pain',
    'sink': 'Évier',
    'refrigerator': 'Réfrigérateur',
    'book': 'Livre',
    'clock': 'Horloge',
    'vase': 'Vase',
    'scissors': 'Ciseaux',
    'teddy bear': 'Ours en peluche',
    'hair drier': 'Sèche-cheveux',
    'toothbrush': 'Brosse à dents'
}

def detect_objects(image, confidence_threshold, language):
    """
    Détecte les objets dans une image
    
    Args:
        image: Image PIL
        confidence_threshold: Seuil de confiance (0-1)
        language: Langue pour les labels ('fr' ou 'en')
    
    Returns:
        image_result: Image avec les bounding boxes
        stats_text: Statistiques de détection
        detections_html: Tableau HTML des détections
    """
    if model is None:
        return None, "❌ Modèle non chargé", ""
    
    if image is None:
        return None, "❌ Aucune image fournie", ""
    
    try:
        # Mettre à jour le seuil de confiance
        model.conf = confidence_threshold
        
        # Effectuer la détection
        results = model(image)
        
        # Obtenir les détections
        detections = results.pandas().xyxy[0]
        
        # Créer l'image avec les bounding boxes
        img_result = np.array(results.render()[0])
        img_result = Image.fromarray(img_result)
        
        # Statistiques
        num_detections = len(detections)
        
        if num_detections == 0:
            stats_text = "🔍 Aucun objet détecté"
            detections_html = ""
        else:
            # Compter les objets par classe
            class_counts = detections['name'].value_counts().to_dict()
            
            # Texte des statistiques
            stats_text = f"✅ **{num_detections} objet(s) détecté(s)**\n\n"
            stats_text += "**Répartition par classe:**\n"
            for class_name, count in class_counts.items():
                if language == 'fr' and class_name in CLASS_NAMES_FR:
                    class_name = CLASS_NAMES_FR[class_name]
                stats_text += f"- {class_name}: {count}\n"
            
            # Tableau HTML des détections
            detections_html = "<table style='width:100%; border-collapse: collapse;'>"
            detections_html += "<tr style='background-color: #f2f2f2;'>"
            detections_html += "<th style='border: 1px solid #ddd; padding: 8px;'>Classe</th>"
            detections_html += "<th style='border: 1px solid #ddd; padding: 8px;'>Confiance</th>"
            detections_html += "<th style='border: 1px solid #ddd; padding: 8px;'>Position (x1, y1, x2, y2)</th>"
            detections_html += "</tr>"
            
            for idx, row in detections.iterrows():
                class_name = row['name']
                if language == 'fr' and class_name in CLASS_NAMES_FR:
                    class_name = CLASS_NAMES_FR[class_name]
                
                conf = row['confidence']
                x1, y1, x2, y2 = int(row['xmin']), int(row['ymin']), int(row['xmax']), int(row['ymax'])
                
                detections_html += f"<tr>"
                detections_html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{class_name}</td>"
                detections_html += f"<td style='border: 1px solid #ddd; padding: 8px;'>{conf:.2%}</td>"
                detections_html += f"<td style='border: 1px solid #ddd; padding: 8px;'>({x1}, {y1}, {x2}, {y2})</td>"
                detections_html += "</tr>"
            
            detections_html += "</table>"
        
        return img_result, stats_text, detections_html
    
    except Exception as e:
        error_msg = f"❌ Erreur lors de la détection: {str(e)}"
        return None, error_msg, ""

# Interface Gradio
with gr.Blocks(theme=gr.themes.Soft(), title="ZKA - Détection d'Objets") as demo:
    
    gr.Markdown("""
    # 🚀 ZKA Marchés CI - Détection d'Objets par IA
    
    ### Système intelligent de gestion des flux dans les marchés d'Abidjan
    
    Cette application utilise **YOLOv5** pour détecter en temps réel différents objets dans vos images.
    Développée dans le cadre d'un projet de gestion des flux humains et véhicules dans les marchés d'Abidjan.
    
    📌 **Instructions:**
    1. Uploadez une image ou utilisez un exemple
    2. Ajustez le seuil de confiance si nécessaire
    3. Choisissez la langue des labels
    4. Cliquez sur "🔍 Détecter les Objets"
    """)
    
    with gr.Row():
        with gr.Column(scale=1):
            # Entrées
            input_image = gr.Image(
                type="pil",
                label="📸 Image d'entrée",
                height=400
            )
            
            confidence_slider = gr.Slider(
                minimum=0.1,
                maximum=0.9,
                value=0.25,
                step=0.05,
                label="🎯 Seuil de confiance",
                info="Plus la valeur est élevée, plus les détections sont précises (mais moins nombreuses)"
            )
            
            language_radio = gr.Radio(
                choices=[("Français 🇫🇷", "fr"), ("English 🇬🇧", "en")],
                value="fr",
                label="🌍 Langue des labels"
            )
            
            detect_btn = gr.Button("🔍 Détecter les Objets", variant="primary", size="lg")
            
            gr.Markdown("""
            ### 🎯 Objets détectables:
            
            **Transport & Mobilité:**
            - Personnes, véhicules (voitures, motos, bus, camions)
            - Vélos, trottinettes
            
            **Infrastructure & Commerce:**
            - Mobilier urbain (bancs, tables)
            - Objets de marché
            
            **Total:** 80 classes d'objets COCO
            """)
        
        with gr.Column(scale=1):
            # Sorties
            output_image = gr.Image(
                type="pil",
                label="✅ Image avec détections",
                height=400
            )
            
            stats_output = gr.Markdown(label="📊 Statistiques")
            
            detections_table = gr.HTML(label="📋 Détails des détections")
    
    # Exemples
    gr.Markdown("### 📷 Exemples d'images")
    gr.Examples(
        examples=[
            ["https://images.unsplash.com/photo-1573164713988-8665fc963095?w=800", 0.25, "fr"],
            ["https://images.unsplash.com/photo-1449824913935-59a10b8d2000?w=800", 0.25, "fr"],
            ["https://images.unsplash.com/photo-1519046904884-53103b34b206?w=800", 0.3, "fr"],
        ],
        inputs=[input_image, confidence_slider, language_radio],
        outputs=[output_image, stats_output, detections_table],
        fn=detect_objects,
        cache_examples=False,
    )
    
    # Actions
    detect_btn.click(
        fn=detect_objects,
        inputs=[input_image, confidence_slider, language_radio],
        outputs=[output_image, stats_output, detections_table]
    )
    
    gr.Markdown("""
    ---
    
    ### 📖 À propos du projet
    
    **ZKA Marchés CI** est un système intelligent de gestion des flux dans les marchés d'Abidjan basé sur YOLOv5.
    
    **Objectifs:**
    - Détection en temps réel des personnes et véhicules
    - Prévention de la surpopulation
    - Gestion optimale de l'espace
    - Amélioration de la sécurité
    
    **Technologies:**
    - YOLOv5 (Ultralytics)
    - PyTorch
    - Gradio
    
    **Développé par:** ESATIC (École Supérieure Africaine des TIC)
    
    ---
    
    💡 **Conseil:** Pour de meilleurs résultats, utilisez des images claires avec un bon éclairage.
    """)

# Lancer l'application
if __name__ == "__main__":
    print("🚀 Lancement de l'application ZKA...")
    demo.launch()