Satellite / app.py
Docfile's picture
Update app.py
99dcd62 verified
raw
history blame
6.58 kB
from flask import Flask, request, jsonify, render_template, send_file
from flask_cors import CORS
from PIL import Image, ImageDraw
import io
import json
import os
import uuid
import google.generativeai as genai
# Configuration de l'API Gemini
generation_config = {
"temperature": 1,
"max_output_tokens": 8192,
}
safety_settings = [
{
"category": "HARM_CATEGORY_HARASSMENT",
"threshold": "BLOCK_NONE"
},
{
"category": "HARM_CATEGORY_HATE_SPEECH",
"threshold": "BLOCK_NONE"
},
{
"category": "HARM_CATEGORY_SEXUALLY_EXPLICIT",
"threshold": "BLOCK_NONE"
},
{
"category": "HARM_CATEGORY_DANGEROUS_CONTENT",
"threshold": "BLOCK_NONE"
},
]
GOOGLE_API_KEY = os.environ.get("TOKEN") # Assurez vous que la variable d'environnement TOKEN est bien définie
genai.configure(api_key=GOOGLE_API_KEY)
app = Flask(__name__)
CORS(app)
# Prompt pour la détection d'objets
DETECTION_PROMPT = "Detect items, with no more than 20 items. Output a json list where each entry contains the 2D bounding box in \"box_2d\" and a text label in \"label\"."
# Prompt pour la description d'image satellite militaire
DESCRIPTION_PROMPT = """
Décrivez en détail cette image satellite militaire. Soyez précis et exhaustif dans votre analyse.
Identifiez les éléments clés tels que :
- **Infrastructures** : Bâtiments, routes, ponts, aéroports, ports, etc.
- **Véhicules** : Chars, avions, navires, véhicules de transport de troupes, etc.
- **Unités militaires** : Formations de troupes, positions d'artillerie, camps, etc.
- **Défenses** : Bunkers, tranchées, barbelés, etc.
- **Éléments géographiques** : Relief, végétation, cours d'eau, etc.
- **Activités** : Mouvements de troupes, entraînements, constructions, etc.
- **Anomalies** : Tout ce qui semble inhabituel ou suspect.
Fournissez une évaluation globale de la situation et des implications stratégiques possibles.
"""
# Dossier pour enregistrer temporairement les images
UPLOAD_FOLDER = 'uploads'
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER
os.makedirs(UPLOAD_FOLDER, exist_ok=True)
@app.route('/', methods=['GET'])
def svt():
"""Renders the SVT page."""
return render_template("svt.html")
@app.route('/analyze', methods=['POST'])
def analyze_image():
try:
if 'file' not in request.files:
return jsonify({'error': 'No file part'}), 400
file = request.files['file']
if file.filename == '':
return jsonify({'error': 'No selected file'}), 400
if file:
# Générer un nom de fichier unique pour éviter les conflits
unique_filename = str(uuid.uuid4()) + os.path.splitext(file.filename)[1]
filename = os.path.join(app.config['UPLOAD_FOLDER'], unique_filename)
file.save(filename)
# 1. Détection d'objets avec Gemini
model = genai.GenerativeModel("gemini-2.0-flash-exp",safety_settings=safety_settings,generation_config=generation_config)
image_part = {
"mime_type": "image/jpeg",
"data": open(filename, "rb").read()
}
response = model.generate_content([DETECTION_PROMPT, image_part])
# Nettoyer la réponse JSON en supprimant les sauts de ligne
cleaned_response_text = response.text.replace('\n', '')
try:
# Enlever les ```json et ``` au début et à la fin de la chaîne
if cleaned_response_text.startswith("```json"):
cleaned_response_text = cleaned_response_text[7:]
if cleaned_response_text.endswith("```"):
cleaned_response_text = cleaned_response_text[:-3]
detection_results = json.loads(cleaned_response_text)
except json.JSONDecodeError:
print(f"Erreur de décodage JSON : {cleaned_response_text}")
detection_results = [] # Initialiser à une liste vide en cas d'erreur
# 2. Dessiner les boîtes englobantes (avec gestion d'erreur)
image = Image.open(filename)
draw = ImageDraw.Draw(image)
draw_success = True # Indicateur de succès du dessin
for item in detection_results:
try:
box = item['box_2d']
label = item['label']
# Convertir la liste 'box' en tuple
box_tuple = tuple(box)
draw.rectangle(box_tuple, outline=(255, 0, 0), width=2)
text_position = (box[0], box[1] - 10)
# S'assurer que le label est une chaîne de caractère
label_str = str(label)
# Utiliser une couleur valide (blanc)
draw.text(text_position, label_str, fill="white")
except Exception as e:
print(f"Erreur lors du dessin des boîtes ou du texte : {e}")
draw_success = False # Échec du dessin
break # Sortir de la boucle en cas d'erreur
# 3. Générer la description (toujours exécuté)
response = model.generate_content([DESCRIPTION_PROMPT, image_part])
description = response.text
# 4. Renvoyer les résultats
if draw_success:
# Enregistrer l'image avec les boîtes si le dessin a réussi
output_filename = os.path.join(app.config['UPLOAD_FOLDER'], 'output_' + unique_filename)
image.save(output_filename)
return jsonify({
'image_path': '/uploads/' + 'output_' + unique_filename,
'description': description,
'detected_objects': detection_results
})
else:
# Renvoyer la description et les résultats de détection, même si le dessin a échoué
return jsonify({
'image_path': None, # Indiquer qu'aucune image n'a été générée
'description': description,
'detected_objects': detection_results
})
except Exception as e:
print(f"Une erreur s'est produite : {e}")
return jsonify({'error': f'Erreur lors du traitement de l\'image : {e}'}), 500
# Servir les fichiers statiques depuis le dossier 'uploads'
@app.route('/uploads/<filename>')
def uploaded_file(filename):
return send_file(os.path.join(app.config['UPLOAD_FOLDER'], filename))
if __name__ == '__main__':
app.run(debug=True)