# 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.