双档位训练体系（s高识别/n高性能 串行排队、按档发布）与 TFLite 硬件加速补丁

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

flutter_app/lib/detection/tflite_detector.dart

@@ -1,3 +1,4 @@
+import 'dart:io' show Platform;
 import 'dart:typed_data';
 
 import 'package:flutter/foundation.dart' show debugPrint;
@@ -44,12 +45,28 @@ class TfliteDetector {
 
   /// 模型缺失或加载失败返回 null（App 降级为仅预览）。
   /// 在后台 isolate 内调用（模型字节由主 isolate 读取后传入）。
+  /// 加速：Android 挂 TFLite GPU delegate、iOS 挂 CoreML delegate（ANE/GPU），
+  /// 均为浮点计算不降精度（对比 int8 量化）；delegate 初始化失败自动回退纯 CPU 4 线程。
   static Future<TfliteDetector?> fromBuffer(
     Uint8List bytes,
     List<String> labels, {
     int modelId = -1,
     String modelName = '',
   }) async {
+    final delegate = _createAccelDelegate();
+    if (delegate != null) {
+      try {
+        final options = InterpreterOptions()..threads = 4;
+        options.addDelegate(delegate);
+        final interpreter = Interpreter.fromBuffer(bytes, options: options);
+        debugPrint('[TfliteDetector] 加速生效 model=$modelName '
+            '(${Platform.isIOS ? 'CoreML' : 'GPU'})');
+        return TfliteDetector._fromModel(
+            interpreter, labels, modelId, modelName);
+      } catch (e) {
+        debugPrint('[TfliteDetector] 加速 delegate 初始化失败，回退 CPU: $e');
+      }
+    }
     try {
       final interpreter = Interpreter.fromBuffer(
         bytes,
@@ -62,6 +79,26 @@ class TfliteDetector {
     }
   }
 
+  /// 平台加速 delegate：Android=TFLite GPU（libtensorflowlite_gpu_jni.so 已 vendor 到
+  /// android/app/src/main/jniLibs，AAR 因 AGP namespace 冲突保持排除）、iOS=CoreML。
+  /// 老设备/驱动/符号缺失时创建失败返回 null，走 CPU。
+  static Delegate? _createAccelDelegate() {
+    if (Platform.isIOS) {
+      try {
+        return CoreMlDelegate();
+      } catch (e) {
+        debugPrint('[TfliteDetector] CoreML delegate 创建失败: $e');
+      }
+    } else if (Platform.isAndroid) {
+      try {
+        return GpuDelegateV2();
+      } catch (e) {
+        debugPrint('[TfliteDetector] GPU delegate 创建失败: $e');
+      }
+    }
+    return null;
+  }
+
   /// 输出布局 [1, 4+nc, anchors] 取自模型本身，类别数不与 labels 文件长度耦合。
   factory TfliteDetector._fromModel(Interpreter interpreter,
       List<String> labels, int modelId, String modelName) {