# observer

动物实时识别 App（Flutter 版）。Android / iOS 一套代码，后端接口与支付见
[`docs/PaymentApi.md`](docs/PaymentApi.md)。

## Android 打包

```bash
./build_apk.sh            # 用当前 pubspec 版本构建，产物 build/app/outputs/flutter-apk/observer-x.y.z.apk
./build_apk.sh --bump     # 自动递增 patch+1、build+1 后构建
./build_apk.sh 1.0.7      # 用指定版本(versionName)构建，build+1
```

产物命名 `observer-x.y.z.apk`（管理端上传版本号从文件名识别）；构建的
`app-release.apk` 中间产物由脚本清理，只保留规范命名文件。

## iOS 真机部署（iPhone）

### 构建与安装

```bash
# 生产包直接构建即可：默认 API_BASE_URL 为线上域名（lib/config/app_config.dart），无需传参
flutter build ios --release
# 仅本地联调（后端跑在 Mac 上、手机连同一 Wi-Fi）时才覆盖为 Mac 局域网 IP：
# flutter build ios --release --dart-define=API_BASE_URL=http://<Mac局域网IP>:8080

# 安装到真机（UDID 可用 `xcrun devicectl list devices` 查询）
xcrun devicectl device install app --device <UDID> build/ios/iphoneos/Runner.app

# 启动并抓控制台日志（--terminate-existing 先杀掉旧实例）
xcrun devicectl device process launch --console --terminate-existing \
  --device <UDID> com.observer.app
```

### 注意事项（踩过的坑）

- **debug 构建不能在真机上从桌面图标启动**：iOS 14+ 会提示
  "In iOS 14+, debug mode Flutter apps can only be launched from Flutter tooling"。
  debug 调试必须用 `flutter run -d <设备ID>` 或 Xcode IDE 启动（`flutter devices` 查设备ID）；
  从图标启动只对 release 构建有效。
- **`flutter run` 真机 debug 附接失败（errno 49，多次复现）**：Xcode 构建、安装、
  启动都成功，attach 阶段报 `OS Error: Can't assign requested address, errno = 49`
  工具即退出——与本机 VPN（utun 隧道）环境相关，断 VPN 后可恢复。
  需要真机验证时一律用上方 release + devicectl 流程（不依赖 attach）；只有需要
  热重载/看 debugPrint 才用 `flutter run`，遇 errno 49 先断 VPN 重试。
## 端侧推理加速（GPU / CoreML）

识别慢的根因是 yolov8s@1280 推理量大（CPU 4 线程约每秒不到 1 帧），
`TfliteDetector.fromBuffer` 加载模型时按平台挂加速 delegate，均为**浮点计算不降精度**
（区别于 int8 量化掉点）：

| 平台 | delegate | 说明 |
|---|---|---|
| Android | `GpuDelegateV2` | TFLite GPU delegate；依赖 `libtensorflowlite_gpu_jni.so`，已 vendor 到 `android/app/src/main/jniLibs/arm64-v8a/`（AAR 因 AGP 9 namespace 冲突保持排除，升级 tflite_flutter 时需同步换 .so，版本对齐 base 2.11.0） |
| iOS | `CoreMlDelegate` | Core ML（苹果 ANE/GPU，插件 pod 自带 TensorFlowLiteSwift/CoreML，无需额外依赖） |

delegate 初始化失败（老设备/驱动/符号缺失）**自动回退纯 CPU 4 线程**，最后才返回 null
（仅预览不识别）。生效与否看日志：加载模型时输出
`[TfliteDetector] 加速生效 model=xxx (CoreML|GPU)`，回退输出 `回退 CPU` 及原因。
GPU delegate 默认允许 FP16 计算（YOLO 类精度损失可忽略）；如需全精度改为传
`GpuDelegateOptionsV2(isPrecisionLossAllowed: false)`。

## 模型热更新（多数据集模型）

模型与 APK 更新走**独立通道**：进入视野页时后台同步 `GET /api/v1/app/update`
随附的 `models` 目录（公开接口，无需登录；不阻塞相机预览启动），与
`UpdateChecker` 的 APK 检查并行。

- **目录条目**：`{datasetId, datasetName, variant, version, labels[], sizeBytes, sha256,
  downloadUrl, coverUrl}`——**双档位（2026-09-03）**：每数据集至多 2 条 = 高精度 s
  （@1280 精度优先，默认）+ 高性能 n（@704 速度优先）各自的当前版本，条目带 `variant`
  （s/n）；服务器未发布模型时不返回 `models` 字段，App 无模型可用，
  相机页仅预览不识别。
- **下载入口**：相机页设置弹层「模型清单」按需下载/使用（封面缩略图 2 列网格，
  **同一物种合并一张卡**，卡上**不显示版本号、也不设档位状态行**
  （2026-09-10 删除「高精度/高性能 + 版本」灰字行，版本仅作内部记账，
  档位状态看主按钮）；点
  「下载」一次性补下该动物高精度+高性能两个已训练文件——各档独立进度逐条展示、
  可取消（已下过的档不重复下），**目标档落地即自动启用、伴档备好**；目标档已
  启用显示「使用中」点击取消使用。弹层高度上限 70% 屏高（防盖满全屏无法关闭）。
  **档位（2026-09-03 修订）**：同一物种一次只运行一个档位——激活某档会自动停用
  同物种另一档，**不同物种可用不同档位并行识别**（如雉鸡用高性能、斑鸠用高精度）。
  弹层顶部「识别模式」分段控件（高性能 / 高精度，默认高精度，持久化本地；
  2026-09-03 高性能移到左位）是**目标档偏好**：不直接切换运行中的模型，
  只决定卡片按钮面向哪个档。卡片主按钮（2026-09-03 简化：不再出现「改用X」、
  不再显示当前运行档提示）：目标档未下载 →「下载」（落地自动启用、伴档备好；
  同一动物另一档在使用时补下目标档后自动切换过去）；已下载未启用 →「使用」
  点击即用（另一档在使用会被自动停用）；启用中 →「使用中」点击取消使用。
- **存储**：应用私有目录 `models/<datasetId>/<variant>/`（双档位 2026-09-03，
  原无 variant 目录与存量 s 档一致——s 档复用 `models/<datasetId>/` 同级读取，
  目录键 = 档位标识符），含 `model.tflite`、`labels.json`、`meta.json`
  （meta 记录 `{version, sha256}`）。版本与摘要都未变化时跳过下载；变化则下载到
  `.part` 临时文件、sha256 校验通过后原子 rename 替换，失败重试一次并保留旧模型，
  下次启动再试——检查记账按 `(datasetId, variant)` 独立。
- **目录缓存（2026-09-03）**：最近一次成功拉取的模型目录落盘应用私有目录
  `catalog.json`；每次刷新先载入缓存、展示立即可用（弹层离线/弱网也有内容），
  网络成功后再以权威目录覆盖缓存。清理与自动更新只在网络拉取成功时执行：
  离线降级不清文件、不触发下载——升级后断网首启不会误删已下载模型。
- **清理**：服务器下线的数据集下次同步时删除本地对应目录（两档都无条目时才删）。
- **识别会话制（2026-09-03 修订）**：每次进入视野页即开始新识别会话——从
  **仅预览**开始、**不自动恢复上次使用的模型**（上次崩溃/坏模型不会在下一次打开时
  自动复现，用户总能进入模型清单调整；这也是打开即慢的根因消除项：进入页面不再
  读模型/重建推理器）。识别需在模型清单**手动启用**，启用状态只在本会话内生效
  （不跨会话持久化）；已下载文件常驻本地，「使用」即点即用不重新下载。
  服务器新版本仅对**已下载文件**后台自动补齐，补齐不改变启用状态。
- **并行推理合并**：识别时加载**本会话已启用**的全部模型（激活集即实际运行集，
  会话内每数据集至多一个档位；`DetectorWorker` isolate 内逐模型加载，单个失败
  不影响其他；worker 构建完成后原地挂到已启动的相机流，不重启相机），
  同帧各模型独立推理后做**跨模型 NMS**（所有模型的框统一按 IoU 去重取高分——
  异类别重叠也压制，实测多个模型会对同一目标检出不同类别），结果叠加 `modelName`
  （数据集名）标注来源。

实现：`lib/models/model_manager.dart`（下载/校验/清单/会话制单档激活收敛，
`ModelManager` 单例 + ChangeNotifier，条目身份含档位）、
`lib/detection/detector_worker.dart`（多模型并行推理与 `mergeAcrossModels`）、
`lib/camera/camera_screen.dart`（会话重置从仅预览开始 + 先出预览后台同步 +
设置弹层「识别模式」目标档切换 + 底部状态胶囊：识别延迟）、
`lib/camera/model_catalog_section.dart`（清单网格：按数据集合并卡片、
双档下载与「使用/使用中/下载」主按钮动作，2026-09-03 简化文案）。

- **模型输入是 NHWC**：训练导出的模型需做字节级手术（开头 TRANSPOSE→RESHAPE，
  输入 [1,320,320,3]）再发布给 App，否则 iOS 报
  "Node number 0 (TRANSPOSE) failed to prepare"。
- **模拟器黑屏**：本机 iOS 模拟器 Impeller 渲染黑屏，验证 UI 用 VM service
  （`flutter run` 输出里的 DevTools 地址），或直接真机验证。