pipeline in linea single thread

aggiornamento-2026-05-18-15-53.md

@@ -0,0 +1,82 @@
+# Aggiornamento 2026-05-18 15:53
+
+## Obiettivo
+
+Portare subito le chiamate disponibili verso il percorso piu' veloce possibile, usando CUDA dove il costo di trasferimento CPU/GPU e' giustificato e attivando FP16 per YOLO su GPU.
+
+## Modifiche
+
+- Aggiunti helper OpenCV CUDA con fallback CPU:
+  - `opencv_cuda_available()`
+  - `cuda_resize(...)`
+  - `cuda_cvt_color(...)`
+- Gli helper usano CUDA solo sopra una soglia minima di pixel, per evitare di rallentare crop piccoli con upload/download GPU.
+- Applicati gli helper a:
+  - preview e resize in `flywms_navigation.py`
+  - preprocessing e preview in `flywms_wms_server.py`
+  - preprocessing nel worker `flywms_paddleocr_worker.py`
+  - conversione BGR/RGBA della GUI DearPyGUI in `flywms_navigation_gui.py`
+- Aggiunto parametro `yolo_half` in `flywms_navigation.ini`.
+- Aggiunti flag CLI:
+  - `--yolo-half`
+  - `--no-yolo-half`
+- `UltralyticsDetector` passa `half=True` a `model.predict(...)` quando il device non e' CPU.
+- Log iniziale aggiornato con:
+  - stato OpenCV CUDA
+  - stato YOLO half precision
+
+## Verifiche
+
+Compilazione:
+
+```powershell
+python -m py_compile flywms_navigation.py flywms_wms_server.py flywms_paddleocr_worker.py flywms_navigation_gui.py
+```
+
+OpenCV:
+
+```text
+cv2 4.12.0
+cuda_devices 1
+GUI: WIN32UI
+NVIDIA CUDA: YES (ver 12.9.86, CUFFT CUBLAS NVCUVID NVCUVENC)
+cuDNN: YES (ver 9.10.2)
+```
+
+Helper CUDA:
+
+```text
+opencv_cuda True (720, 1280, 3) (720, 1280)
+```
+
+Run headless breve:
+
+```powershell
+python flywms_navigation.py --no-display --max-frames 40
+```
+
+Risultato rilevante:
+
+```text
+OpenCV CUDA: attivo
+YOLO half precision: attiva
+```
+
+Misura inferenza YOLO sullo stesso frame:
+
+```text
+iter 0 ms 8430.9
+iter 1 ms 27.5
+iter 2 ms 26.7
+iter 3 ms 28.5
+iter 4 ms 30.4
+```
+
+Il primo giro e' warm-up del modello. A regime YOLO e' circa 27-30 ms/frame sul frame di test, quindi compatibile con un target dimostrativo di 14-15 fps lato inferenza se la pipeline non introduce altri colli di bottiglia.
+
+## Note tecniche
+
+- OpenCV CUDA non accelera automaticamente tutte le chiamate: bisogna usare esplicitamente `cv2.cuda.*`.
+- Per crop piccoli e preprocessing leggero puo' essere piu' veloce restare su CPU.
+- PaddleOCR resta attualmente nel virtualenv CPU; gli helper nel worker fanno fallback se OpenCV CUDA non e' disponibile in quell'ambiente.
+- La prossima ottimizzazione importante sara' evitare warm-up visibile all'avvio, eseguendo una inferenza iniziale prima del loop operativo.