Update app.py

app.py

@@ -1,17 +1,19 @@
 import gradio as gr
-from dotenv import load_dotenv
-from roboflow import Roboflow
-import tempfile
 import os
+import tempfile
+from roboflow import Roboflow
+from dotenv import load_dotenv
 
 # Muat variabel lingkungan dari file .env
 load_dotenv()
+
+# Ambil nilai dari environment variables
 api_key = os.getenv("ROBOFLOW_API_KEY")
 workspace = os.getenv("ROBOFLOW_WORKSPACE")
 project_name = os.getenv("ROBOFLOW_PROJECT")
 model_version = int(os.getenv("ROBOFLOW_MODEL_VERSION"))
 
-# Inisialisasi Roboflow menggunakan data yang diambil dari secrets
+# Inisialisasi Roboflow menggunakan data yang diambil dari .env
 rf = Roboflow(api_key=api_key)
 project = rf.workspace(workspace).project(project_name)
 model = project.version(model_version).model
@@ -39,12 +41,11 @@ def detect_objects(image):
         total_count += 1  # Tambah jumlah objek untuk setiap prediksi
 
     # Menyusun output berupa string hasil perhitungan
-    result_text = "Product Nestle \n"
-    
+    result_text = "Product Nestle\n\n"  # Tambahkan baris kosong setelah judul
     for class_name, count in class_count.items():
         result_text += f"{class_name}: {count} \n"
     
-    result_text += f"\nTotal Product Nestle: {total_count}" 
+    result_text += f"\nTotal Product Nestle: {total_count}"  # Tambahkan baris kosong antara kategori dan total
     
     # Menyimpan gambar dengan prediksi
     output_image = model.predict(temp_file_path, confidence=60, overlap=80).save("/tmp/prediction.jpg")
@@ -54,13 +55,14 @@ def detect_objects(image):
     
     return "/tmp/prediction.jpg", result_text
 
-# Membuat antarmuka Gradio
+# Membuat antarmuka Gradio dengan label yang telah diganti
 iface = gr.Interface(
-    fn=detect_objects,                         # Fungsi yang dipanggil saat gambar diupload
-    inputs=gr.Image(type="pil"),               # Input berupa gambar
-    outputs=[gr.Image(), gr.Textbox()],        # Output gambar dan teks
-    live=True                                    # Menampilkan hasil secara langsung
+    fn=detect_objects,
+    inputs=gr.Image(type="pil", label="Input Image"),
+    outputs=[gr.Image(label="Detect Object"), gr.Textbox(label="Counting Object")],
+    live=True,
+    layout="horizontal"
 )
 
 # Menjalankan antarmuka
-iface.launch()
+iface.launch()