pipeline in linea single thread

aggiornamento-2026-05-16-20-12.md

@@ -0,0 +1,94 @@
+# Aggiornamento 2026-05-16 20:12
+
+## Primo test YOLO digits su crop etichetta
+
+E' stato scaricato il progetto:
+
+```text
+C:\devel\yolo-ocr\external\yolov8-digits-detection
+```
+
+Sono state trovate 28 immagini di test in:
+
+```text
+C:\devel\yolo-ocr\immagini_test
+```
+
+Nota: la cartella indicata verbalmente come `C:\yolo-ocr\immagini_test` non esisteva; le immagini erano nella cartella corretta `C:\devel\yolo-ocr\immagini_test`.
+
+## Runner creato
+
+E' stato creato:
+
+```text
+C:\devel\yolo-ocr\tools\batch_yolo_digits.py
+```
+
+Il runner:
+
+- carica i modelli ONNX del progetto;
+- non installa PyTorch;
+- evita `pytorch_lightning`, usato dal progetto solo per logging;
+- esegue inferenza CPU;
+- ordina le cifre rilevate da sinistra a destra;
+- salva un CSV con codice, numero cifre, confidenza media e tempo;
+- salva immagini annotate con bbox delle cifre;
+- salva una tavola di controllo visivo.
+
+## Risultato con soglia 0.25
+
+Output:
+
+```text
+immagini=28
+codici_numerici=24
+load_sec=2.679
+infer_ms_medio=52.7
+conf=0.25
+iou=0.7
+```
+
+Il modello e' veloce: circa 53 ms per crop su CPU.
+
+Qualita':
+
+- riconosce davvero alcune cifre stampate;
+- quindi la pista YOLO digits e' concreta;
+- tuttavia spesso riconosce solo una parte del codice;
+- alcuni crop restituiscono 1-3 cifre invece del codice completo;
+- il modello out-of-the-box non e' ancora sufficiente per lettura affidabile UDC.
+
+## Risultato con soglia 0.10
+
+Output:
+
+```text
+immagini=28
+codici_numerici=27
+load_sec=1.881
+infer_ms_medio=61.5
+conf=0.1
+iou=0.7
+```
+
+La soglia piu' bassa fa trovare piu' cifre, ma introduce duplicati e classi sbagliate. Quindi il problema non si risolve solo abbassando la soglia.
+
+## Conclusione
+
+Il modello esistente e' utile come base sperimentale, ma non e' pronto da integrare nel WMS come OCR affidabile.
+
+La cosa positiva e' che:
+
+- il modello e' leggero;
+- gira senza PyTorch;
+- riconosce cifre stampate almeno parzialmente;
+- la velocita' e' adeguata;
+- puo' diventare molto interessante con fine-tuning su immagini reali delle nostre etichette.
+
+Prossimo passo consigliato:
+
+1. migliorare preprocessing e crop locale, cercando di isolare meglio la riga numerica;
+2. creare una piccola tabella ground truth per le 28 immagini;
+3. misurare accuracy reale cifra per cifra e codice intero;
+4. valutare fine-tuning del modello con immagini nostre annotate.
+