pipeline in linea single thread

aggiornamento-2026-05-16-19-46.md

@@ -0,0 +1,69 @@
+# Aggiornamento 2026-05-16 19:46
+
+## Valutazione YOLO digits come OCR alternativo
+
+Abbiamo analizzato il progetto `thawro/yolov8-digits-detection`:
+
+- repository: https://github.com/thawro/yolov8-digits-detection
+- modello ONNX disponibile: https://huggingface.co/spaces/thawro/yolov8-digits-detection/tree/main/models
+
+L'idea e' usare YOLO non per trovare il gaylord o l'etichetta, ma per leggere le cifre dentro il crop etichetta:
+
+1. il client `flywms_navigation.py` individua gaylord ed etichetta come oggi;
+2. il server WMS riceve il crop dell'etichetta;
+3. il server passa il crop a un detector YOLO digits;
+4. il detector restituisce bbox e classe delle singole cifre;
+5. il server ordina le cifre da sinistra a destra;
+6. il codice UDC finale e' la concatenazione delle cifre riconosciute;
+7. se la sequenza non e' valida, il server deve rispondere `udc non determinato`.
+
+## Considerazioni tecniche
+
+Il progetto dichiara un dataset basato su cifre manoscritte HWD+, ma il demo video mostra anche riconoscimento su caratteri stampati. Questo significa che non va escluso a priori: va provato sui nostri crop reali, perche' potrebbe generalizzare abbastanza bene sulle etichette del video.
+
+Vantaggi:
+
+- modello piccolo: `yolo.onnx` e' circa 12 MB;
+- potenzialmente molto piu' leggero di EasyOCR;
+- puo' evitare il caricamento di EasyOCR/PyTorch nel server WMS;
+- architettura adatta al nostro caso, perche' il codice UDC e' composto da cifre;
+- output interpretabile: bbox, confidenza e classe di ogni cifra.
+
+Rischi:
+
+- il dominio di training non e' identico alle nostre etichette industriali;
+- alcune cifre critiche, ad esempio 8 e 2, potrebbero comunque essere confuse;
+- serve una fase di validazione su immagini reali delle nostre etichette;
+- la licenza del repository/modello deve essere verificata prima di un uso oltre la demo;
+- il modello riconosce singole cifre, quindi dovremo implementare noi ordinamento, filtri e validazione.
+
+## Proposta di integrazione
+
+Non conviene importare tutto il progetto come package. Conviene invece:
+
+- scaricare/posizionare il modello `yolo.onnx` in una cartella locale, ad esempio `models/yolo_digits/yolo.onnx`;
+- aggiungere una modalita' OCR nel server:
+
+```ini
+wms_ocr_mode = yolo_digits
+wms_yolo_digits_model = models/yolo_digits/yolo.onnx
+wms_yolo_digits_conf = 0.35
+wms_yolo_digits_expected_len = 6
+```
+
+- implementare nel server una classe tipo `YoloDigitsOcr`;
+- usare `onnxruntime` oppure OpenCV DNN per l'inferenza;
+- restituire sempre un risultato conservativo:
+  - codice numerico solo se la sequenza supera i controlli minimi;
+  - `udc non determinato` in caso di ambiguita', crop tagliato o confidenza insufficiente.
+
+## Decisione pratica
+
+La strada e' promettente e probabilmente piu' coerente del generico OCR classico. La prova corretta da fare e':
+
+1. integrare il modello come modalita' sperimentale separata;
+2. non sostituire ancora EasyOCR/Tesseract;
+3. eseguire test sui crop etichetta salvati dal nostro server;
+4. confrontare errori e tempi rispetto a EasyOCR e Tesseract;
+5. decidere se basta il modello esistente oppure serve fine-tuning su nostre etichette.
+