flywms/aggiornamento-2026-05-17-20-57.md

Aggiornamento 2026-05-17 20:57

Obiettivo

Provare la strada del dataset aumentato per il riconoscimento OCR numerico via YOLO, senza integrare ancora nulla in flywms.

Dataset aumentato

Creato lo script:

C:\devel\yolo-ocr\tools\augment_yolo_dataset.py

Generato il dataset:

C:\devel\yolo-ocr\dataset_augmented

Composizione:

train: 247 immagini, 1482 bbox
val:     5 immagini,   30 bbox
test:    2 immagini,   12 bbox

Nota importante: l'aumento dati e' applicato solo al train. Validation e test restano immagini originali, quindi sono utili per misurare se il modello generalizza.

Augmentation applicate:

• piccole rotazioni;
• piccole traslazioni;
• scala leggera;
• contrasto/luminosita';
• CLAHE;
• sharpening;
• blur leggero;
• rumore;
• compressione JPEG simulata.

Training GPU

Addestramento eseguito sulla RTX 3050:

yolo detect train data=C:\devel\yolo-ocr\dataset_augmented\data.yaml model=yolov8n.pt epochs=120 imgsz=640 batch=16 workers=0 device=0 project=C:\devel\yolo-ocr\training_runs name=digits_yolov8n_aug_gpu patience=30 seed=42

Il training e' terminato con early stopping:

Best epoch: 11
Epoch completate: 41
Durata: circa 0.098 ore

Metriche YOLO finali su validation:

precision: 0.826
recall:    0.873
mAP50:     0.990
mAP50-95:  0.745

Velocita' indicativa:

preprocess: 0.6 ms
inference:  7.7 ms
postprocess: 4.1 ms

Artefatti

Peso PyTorch:

C:\devel\yolo-ocr\models\udc_digits_yolov8n_aug.pt

Export ONNX:

C:\devel\yolo-ocr\models\udc_digits_yolov8n_aug.onnx

Run originale:

C:\devel\yolo-ocr\training_runs\digits_yolov8n_aug_gpu

Valutazione codice intero

Con soglia standard:

python C:\devel\yolo-ocr\tools\evaluate_code_accuracy.py --model C:\devel\yolo-ocr\training_runs\digits_yolov8n_aug_gpu\weights\best.pt --dataset C:\devel\yolo-ocr\dataset_augmented --split test --device 0 --conf 0.25 --iou 0.50 --output C:\devel\yolo-ocr\outputs\code_eval_aug_test

Risultato su test:

images=2
code_ok=0
code_accuracy=0.0000
char_accuracy=0.3333

Il problema era una cifra mancante nei due codici:

187184 -> 17184
182368 -> 18268

Abbassando la soglia a conf=0.15, sui 2 test il codice completo diventa corretto:

conf=0.15, iou=0.35..0.65
code_accuracy=1.0000
char_accuracy=1.0000

Pero' sulla validation originale, sempre con conf=0.15, il risultato resta insufficiente:

images=5
code_ok=1
code_accuracy=0.2000
char_accuracy=0.7812

Esempi validation:

187184 -> 187184   OK
182430 -> 18243601 NO
182519 -> 182610   NO
182511 -> 182611   NO
182242 -> 18224    NO

Conclusione

La strada del dataset aumentato e' utile: le metriche YOLO sugli oggetti sono migliorate molto e la GPU funziona bene.

Pero' il problema reale non e' ancora risolto, perche' noi non dobbiamo solo rilevare cifre: dobbiamo ricostruire un codice numerico affidabile. Il modello ora e' sensibile alla soglia di confidenza e produce ancora cifre duplicate, mancanti o confuse.

Non conviene integrare questo OCR in flywms in questa forma.

Prossimo passo tecnico

Prima di altro training, serve migliorare il post-processing del codice:

• soglia bassa controllata;
• ordinamento sinistra-destra;
• clustering/merge dei bbox vicini;
• vincolo codice a 6 cifre;
• gestione duplicati;
• report per capire quali cifre sono davvero ambigue.

Solo dopo questa fase ha senso decidere se aumentare ancora il dataset o cambiare architettura.