Upload app.py

app.py

@@ -0,0 +1,152 @@
+# -*- 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://i.pinimg.com/originals/7f/5e/96/7f5e9657c08aae4bcd8bc8b0dcff720e.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
+
+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.ANTIALIAS)  # resize
+
+    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=0.45, 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="Descripción", headers=['Cantidad','Especie'])  
+out4 = gr.outputs.JSON(label="JSON")
+#-------------- Text-----
+title = 'Trampas Barceló'
+description = """
+<p>
+<center>
+Sistemas de Desarrollado por Subsecretaría de Innovación 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',0.45, 0.75,'ejemplo1.jpg'], ['640',0.45, 0.75,'ejemplo2.jpg']]
+
+iface = gr.Interface(yolo, 
+                        inputs=[in1, in2, in3, in4], 
+                        outputs=[out2,out3,out4], title=title, 
+                        description=description, 
+                        article=article, 
+                        examples=examples,
+                        theme="huggingface", 
+                        analytics_enabled=False
+                        ).launch(debug=True)
+
+iface.launch()
+
+"""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)
+"""