Hugging Face's logo

Spaces:
Municipalidad-de-Vicente-Lopez
/
Trampas_Barcelo
Running

App Files Community
Trampas_Barcelo
File size: 6,702 Bytes 
7709ecd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
7460ae2
7709ecd
 
 
 
 
 
 
 
 
 
 
0398a37
 
7709ecd
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
7b16dbd
a0ebe41
 
 
7709ecd
643d226
 
 
7709ecd
 
338af9b
 
7709ecd
 
00c3953
7709ecd
 
 
 
 
 
 
 
 
 
 
 
 
0398a37
7709ecd
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
 
# -*- coding: utf-8 -*-
"""Deploy Barcelo demo.ipynb
Automatically generated by Colaboratory.
Original file is located at
    https://colab.research.google.com/drive/1FxaL8DcYgvjPrWfWruSA5hvk3J81zLY9
![   ](https://www.vicentelopez.gov.ar/assets/images/logo-mvl.png)
# Modelo
YOLO es una familia de modelos de detección de objetos a escala compuesta entrenados en COCO dataset, e incluye una funcionalidad simple para Test Time Augmentation (TTA), model ensembling, hyperparameter evolution, and export to ONNX, CoreML and TFLite.
## Gradio Inferencia
![](https://i.ibb.co/982NS6m/header.png)
Este Notebook se acelera opcionalmente con un entorno de ejecución de GPU
----------------------------------------------------------------------
 YOLOv5 Gradio demo
*Author: Ultralytics LLC and Gradio*
# Código
"""

#!pip install -qr https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt gradio # install dependencies

import os
import re
import json
import pandas as pd
import gradio as gr
import torch
from PIL import Image

# Images
torch.hub.download_url_to_file('https://huggingface.co/spaces/Municipalidad-de-Vicente-Lopez/Trampas_Barcelo/resolve/main/2024-03-11T10-50-27.jpg', 'ejemplo1.jpg')
torch.hub.download_url_to_file('https://i.pinimg.com/originals/c2/ce/e0/c2cee05624d5477ffcf2d34ca77b47d1.jpg', 'ejemplo2.jpg')

# Model
#model = torch.hub.load('ultralytics/yolov5', 'yolov5s')  # force_reload=True to update

#model = torch.hub.load('ultralytics/yolov5', 'custom', path='best.pt')  # local model  o google colab
#model = torch.hub.load('ultralytics/yolov5', 'custom', path='best.pt', force_reload=True, autoshape=True)  # local model  o google colab
#model = torch.hub.load('path/to/yolov5', 'custom', path='/content/yolov56.pt', source='local')  # local repo
model = torch.hub.load('ultralytics/yolov5', 'custom', path='best.pt', force_reload=True, autoshape=True, trust_repo=True)


#HF_TOKEN = os.getenv("ZIKA_TOKEN_WRITE")
#hf_writer = gr.HuggingFaceDatasetSaver(HF_TOKEN, "demo-iazika-flags")

def getQuantity(string): 
    contador_raw = ''.join(string.split(" ")[3:])
    
    resultado_especie_1 = 'Aedes'
    resultado_especie_2 = 'Mosquito'
    resultado_especie_3 = 'Mosca'
    resultado_cantidad_1 = ''.join(re.findall(r'\d+',''.join(re.findall(r'\d+'+resultado_especie_1, contador_raw))))
    resultado_cantidad_2 = ''.join(re.findall(r'\d+',''.join(re.findall(r'\d+'+resultado_especie_2, contador_raw))))
    resultado_cantidad_3 = ''.join(re.findall(r'\d+',''.join(re.findall(r'\d+'+resultado_especie_3, contador_raw))))
    resultado_cantidad_1 = resultado_cantidad_1 if len(resultado_cantidad_1) > 0 else "0"
    resultado_cantidad_2 = resultado_cantidad_2 if len(resultado_cantidad_2) > 0 else "0"
    resultado_cantidad_3 = resultado_cantidad_3 if len(resultado_cantidad_3) > 0 else "0"
    
    resultado_lista = [[resultado_cantidad_1,resultado_especie_1],
                       [resultado_cantidad_2,resultado_especie_2],
                       [resultado_cantidad_3,resultado_especie_3]]
    
    return resultado_lista

def listJSON(resultado):
    resultado_lista = getQuantity(resultado)
    img_name = " ".join(resultado.split(" ")[0:2])
    img_size = "".join(resultado.split(" ")[2])
    strlista = ""
    for resultado_lista, description in resultado_lista:
        strlista += '{"quantity":"'+resultado_lista+'","description":"'+description+'"},'
    strlista = strlista[:-1]
    str_resultado_lista = '{"image":"'+str(img_name)+'","size":"'+str(img_size)+'","detail":['+strlista+']}'
    json_string = json.loads(str_resultado_lista)
    return json_string
    
def arrayLista(resultado):
    resultado_lista = getQuantity(resultado)
    df = pd.DataFrame(resultado_lista,columns=['Cantidad','Especie'])
    return df

def yolo(size, iou, conf, im):
    '''Wrapper fn for gradio'''
    g = (int(size) / max(im.size))  # gain
    im = im.resize((int(x * g) for x in im.size), Image.LANCZOS) # resize with antialiasing


    model.iou = iou
    
    model.conf = conf

   
    results2 = model(im)  # inference
   
    results2.render()  # updates results.imgs with boxes and labels
    
    results_detail = str(results2)
    lista = listJSON(results_detail)
    lista2 = arrayLista(results_detail)
    return Image.fromarray(results2.ims[0]), lista2, lista
    
#------------ Interface-------------



in1 = gr.inputs.Radio(['640', '1280'], label="Tamaño de la imagen", default='640', type='value')
in2 = gr.inputs.Slider(minimum=0, maximum=1, step=0.05, default=0.25, label='NMS IoU threshold')
in3 = gr.inputs.Slider(minimum=0, maximum=1, step=0.05, default=0.50, label='Umbral o  threshold')
in4 = gr.inputs.Image(type='pil', label="Original Image")

out2 = gr.outputs.Image(type="pil", label="YOLOv5")
out3 = gr.outputs.Dataframe(label="Cantidad_especie", headers=['Cantidad','Especie'], type="pandas")  
out4 = gr.outputs.JSON(label="JSON")
#-------------- Text-----
title = 'Trampas Barceló'
description = '<p><center>Sistemas de Desarrollado por Subsecretaría de Modernización del Municipio de Vicente López. Advertencia solo usar fotos provenientes de las trampas Barceló, no de celular o foto de internet.<img src="https://www.vicentelopez.gov.ar/assets/images/logo-mvl.png" alt="logo" width="250"/></center></p>'

article ="<p style='text-align: center'><a href='https://docs.google.com/presentation/d/1T5CdcLSzgRe8cQpoi_sPB4U170551NGOrZNykcJD0xU/edit?usp=sharing' target='_blank'>Para mas info, clik para ir al white paper</a></p><p style='text-align: center'><a href='https://drive.google.com/drive/folders/1owACN3HGIMo4zm2GQ_jf-OhGNeBVRS7l?usp=sharing ' target='_blank'>Google Colab Demo</a></p><p style='text-align: center'><a href='https://github.com/Municipalidad-de-Vicente-Lopez/Trampa_Barcelo' target='_blank'>Repo Github</a></p></center></p>"
          
examples = [['640',0.25, 0.5,'ejemplo1.jpg'], ['640',0.25, 0.5,'ejemplo2.jpg']]

iface = gr.Interface(yolo, 
                    inputs=[in1, in2, in3, in4], 
                    outputs=[out2,out3,out4], title=title, 
					description=description, 
					article=article, 
					examples=examples, 
					analytics_enabled=False, 
					allow_flagging="manual",
					flagging_options=["Correcto", "Incorrecto", "Casi correcto", "Error", "Otro"],
					#flagging_callback=hf_writer
                    )
					
iface.launch(enable_queue=True, debug=True)

"""For YOLOv5 PyTorch Hub inference with **PIL**, **OpenCV**, **Numpy** or **PyTorch** inputs please see the full [YOLOv5 PyTorch Hub Tutorial](https://github.com/ultralytics/yolov5/issues/36).
## Citation
[![DOI](https://zenodo.org/badge/264818686.svg)](https://zenodo.org/badge/latestdoi/264818686)
"""