Update app.py

app.py

@@ -11,7 +11,7 @@ import tempfile
 import os
 
 # بارگذاری مدل آموزش‌دیده شما
-model = YOLO('weights/best.pt')  # یا '/content/best.pt' بر اساس مدل مورد نظر شما
+model = YOLO('/content/best.pt')  # مسیر مدل شما
 
 # تعریف نام کلاس‌ها به انگلیسی و فارسی
 class_names = {
@@ -44,12 +44,13 @@ colors = {
     7: (255, 165, 0),     # نارنجی
     8: (0, 128, 0),       # سبز تیره
     9: (128, 128, 0),     # زیتونی
-    10: (128, 0, 0),      # سرخ کلید
+    10: (0, 255, 0),      # تغییر به سبز روشن برای class_id=10
     11: (0, 128, 128),    # سبز نفتی
     12: (0, 0, 128),      # نیوی
     13: (75, 0, 130),     # ایندیگو
     14: (199, 21, 133)    # رز متوسط
 }
+
 # تابع برای تشخیص اشیاء در تصاویر
 def detect_and_draw_image(input_image):
     try:
@@ -94,8 +95,8 @@ def detect_and_draw_image(input_image):
             rect = ((x_center, y_center), (width, height), rotation * 180.0 / np.pi)  # تبدیل رادیان به درجه
             box_points = cv2.boxPoints(rect)
             box_points = np.int0(box_points)
-            color = colors.get(class_id, (0, 255, 0))
-            cv2.drawContours(image_cv, [box_points], 0, color, 2)
+            color = colors.get(class_id, (0, 255, 0))  # استفاده از رنگ مشخص برای هر کلاس
+            cv2.drawContours(image_cv, [box_points], 0, color, 3)  # افزایش ضخامت جعبه
             print(f"Drawn OBB for class_id {class_id} with confidence {confidence}.")
 
             # رسم برچسب
@@ -173,7 +174,7 @@ def detect_and_draw_video(video_path):
                     box_points = cv2.boxPoints(rect)
                     box_points = np.int0(box_points)
                     color = colors.get(class_id, (0, 255, 0))
-                    cv2.drawContours(frame, [box_points], 0, color, 2)
+                    cv2.drawContours(frame, [box_points], 0, color, 3)  # افزایش ضخامت جعبه
                     print(f"Drawn OBB for class_id {class_id} with confidence {confidence} in frame {frame_count}.")
 
                     # رسم برچسب