Hugging Face's logo

Spaces:
gghsgn
/
test_sawitpro
Sleeping

App Files Community
test_sawitpro
File size: 2,478 Bytes 
f643a7c
 
 
 
 
 
 
 
 
 
 
3792ce8
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
f643a7c
 
 
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
 
---
title: Test Sawitpro
emoji: 🏆
colorFrom: gray
colorTo: red
sdk: streamlit
sdk_version: 1.41.1
app_file: app.py
pinned: false
license: mit
---
# Deteksi Pohon Sawit dan Warna Apel dengan YOLOv8

Aplikasi ini menggunakan Streamlit untuk mendeteksi pohon sawit dan warna apel dalam gambar yang diunggah, dengan model YOLOv8. Anda dapat memilih antara dua fitur utama melalui menu di sidebar.

## Fitur
1. **Deteksi Pohon Sawit**
   - Mengidentifikasi pohon sawit dalam gambar.
   - Menampilkan bounding box dan nomor urut pada setiap objek yang terdeteksi.

2. **Deteksi Warna Apel**
   - Mengidentifikasi apel berdasarkan warna (merah, kuning, hijau).
   - Menampilkan hasil crop untuk setiap apel yang terdeteksi.

## Persyaratan Sistem
Pastikan Anda memiliki:
- Python 3.8 atau lebih baru.
- Pustaka yang tercantum di `requirements.txt`.

## Instalasi
1. Clone repository ini atau salin kode ke dalam direktori lokal Anda:
   ```bash
   git clone <repository_url>
   cd <repository_folder>
   ```

2. Buat lingkungan virtual (opsional tetapi disarankan):
   ```bash
   python -m venv venv
   source venv/bin/activate  # Untuk Linux/Mac
   venv\Scripts\activate   # Untuk Windows
   ```

3. Instal dependensi:
   ```bash
   pip install -r requirements.txt
   ```

4. Pastikan file model YOLOv8 tersedia:
   - **Deteksi Pohon Sawit**: `best_yolov8.pt`
   - **Deteksi Warna Apel**: `best_apple.pt`

   Simpan model di direktori yang sama dengan file aplikasi, atau sesuaikan path model di kode.

## Cara Menjalankan Aplikasi
1. Jalankan aplikasi Streamlit:
   ```bash
   streamlit run app.py
   ```

2. Akses aplikasi melalui browser Anda di:
   ```
   http://localhost:8501
   ```

3. Unggah gambar pada fitur yang Anda pilih melalui menu di sidebar.

## Struktur Proyek
```
project-folder/
├── app.py               # File utama aplikasi Streamlit
├── best_yolov8.pt       # Model YOLOv8 untuk deteksi pohon sawit
├── best_apple.pt        # Model YOLOv8 untuk deteksi warna apel
├── requirements.txt     # Daftar dependensi
├── README.md            # Dokumentasi proyek
```

## Catatan
- Pastikan gambar yang diunggah memiliki format yang didukung (`jpg`, `jpeg`, `png`).
- Jika terjadi error terkait pustaka atau model, periksa kembali instalasi dependensi dan path model.

## Lisensi
Aplikasi ini dilisensikan di bawah [MIT License](LICENSE).

Check out the configuration reference at https://huggingface.co/docs/hub/spaces-config-reference