P4：权重/标签模块 —— 旁挂标签文件 + PT→ONNX→TRT 转换工具 + 归档归位

痛点：TensorRT 10.13 的 Python API 没有元数据读写，engine 一转就把类名丢了；
推理侧只能退化成 str(cid)（"0"、"1"），界面上看不出是什么类，属于静默失效。
同时旧的 export_yolo_trt.sh 只能手工搬文件、手工改 site.yaml、标签无处安放。

标签子系统（model_labels.py）
- 旁挂标签文件 <模型名>.labels.yaml，放在权重旁边，文本、可手改、进 git
  （二进制权重不进 git，标签是配置所以进）
- 读取优先级：旁挂文件 > ONNX 元数据 > 模型元数据 > 占位符 class_N
  占位符是故意的：缺标签时要一眼看出来，而不是悄悄退回 cid
- 解析器容忍多种写法：dict / list / 逗号串 / 逐行文本 / Python repr 串

布局与转换（weights_layout.py + weights.py + weights.sh）
- models/<分组>/<模型名>.{pt,onnx,engine} + 同名 .labels.yaml
- convert：PT→ONNX→TensorRT，支持自定义名字、自动归位、固化标签
- staging/：非标准格式先进这里，转换后源文件归档到 staging/done/
- list / labels / doctor / show 四个子命令
- doctor --check-engines 能查出 engine 与 TensorRT 版本不匹配（反序列化返回空）

推理侧接入
- yolo_detector / onnx_workpiece / hole_detect_hough 统一走 read_labels()
- 画框标签不再硬编码 "gongjian"，改用实际类名

顺手修掉的真实问题
- setup.py 撞上断掉的符号链接会让整包构建失败，报错还指向 build/ 里的幽灵文件
  （源文件被挪走后 build/ 里留下的断链被 os.walk 列出来）。加 _existing() 过滤。
- P3 遗漏：site.yaml / export_site_env.py / run_handeye.sh / handeye_teach.py /
  handeye_calibrate.py 里的 handeye 工作目录仍是 /tmp/handeye_calib*，
  与已迁到 handeye/ 的其余路径不一致。统一到 handeye/tmp/<臂号>。
- site.yaml 的 hole_weights / hole_detect.weights 原指向不存在的 best.pt，
  改为实际存在的 detect_best_1.onnx；active.pt 符号链接已废弃并清理。
- weights.sh labels 原先不接受 "分组/模型名" 写法，而 list 输出正是这个形式，
  照着敲会报"找不到模型"。补上，并让报错直接给出可复制的全名。

测试：225 项通过（新增 test_model_labels.py / test_weights_layout.py）。
真实 ONNX→engine 端到端转换已验过。

Co-authored-by: Cursor <cursoragent@cursor.com>

.gitignore

@@ -1,16 +1,22 @@
 # 本机现场配置（含 IP / 序列号；从 site.example.yaml 复制）
 config/site.yaml
 
-# YOLO 二进制
+# 模型权重二进制 —— 一律不进 git（体积大、每台机器重新转换即可）
-models/yolo/*.pt
+#   用通配模式而不是逐个目录列举，否则新增一个分组就会有人误提交二进制。
-models/yolo/*.onnx
+#   注意：*.labels.yaml 是**文本标签配置**，不属于二进制，应该进 git。
-models/yolo/*.engine
+models/**/*.pt
-models/yolo/*.trt
+models/**/*.pth
-models/yolo/active.pt
+models/**/*.onnx
-models/hole_insert/*.pt
+models/**/*.engine
-models/hole_insert/*.onnx
+models/**/*.trt
-models/hole_insert/*.engine
+models/**/*.plan
-models/hole_insert/*.trt
+models/**/*.tflite
+
+# staging = 待转换的临时区，内容不进 git（含转换后归档的 done/）
+#   但 .gitkeep 和说明文档要留着，否则新克隆的仓库里这个目录不存在/看不懂。
+models/staging/**
+!models/staging/.gitkeep
+!models/staging/README.md
 
 # 编译产物
 build/

config/site.example.yaml

@@ -50,7 +50,7 @@ robot:
       paths:
         handeye_file: "/home/USER/ros2/handeye/results/89_eye_in_hand.yaml"
         handeye_waypoints: "/home/USER/ros2/handeye/poses/89_eye_in_hand.yaml"
-        handeye_workdir: "/tmp/handeye_calib_89"
+        handeye_workdir: "/home/USER/ros2/handeye/tmp/89"
       # 左臂跟踪高度（只在 --arm 89 时生效，改 91 的 servo 不影响这里）
       servo:
         ee_z_m: 0.35           # 跟踪锁高：法兰相对基座 Z [m]
@@ -87,7 +87,7 @@ robot:
       paths:
         handeye_file: "/home/USER/ros2/handeye/results/91_eye_in_hand.yaml"
         handeye_waypoints: "/home/USER/ros2/handeye/poses/91_eye_in_hand.yaml"
-        handeye_workdir: "/tmp/handeye_calib_91"
+        handeye_workdir: "/home/USER/ros2/handeye/tmp/91"
       # >>> 右臂跟踪高度：只改这里，89 仍用上面那段 <<<
       # 法兰 Z；RGI 比平行爪高，通常要比 89 略抬一点。改完重启：
       #   bash ~/ros2/scripts/run_visual_servo_rt.sh --arm 91 --control
@@ -117,12 +117,12 @@ paths:
   # yolo_weights: "/home/USER/ros2/models/yolo/detect_hc90.pt"
   # yolo_weights: "/home/USER/ros2/models/yolo/detect_yolo26_gongjian.pt"
   # 入孔 YOLO（backend=yolo 时把孔当框）。two_stage 用上面的工件权重。
-  hole_weights: "/home/USER/ros2/models/hole_insert/best.pt"
+  hole_weights: "/home/USER/ros2/models/hole_insert/detect_best_1.onnx"
   # 下面是缺省（未匹配到 robots[] 时）。真机以 robots[].paths 为准：89 / 91 各一份。
   handeye_file: "/home/USER/ros2/handeye/results/89_eye_in_hand.yaml"
   handeye_waypoints: "/home/USER/ros2/handeye/poses/89_eye_in_hand.yaml"
   handeye_calibrate: "/home/USER/ros2/handeye/calibrate.yaml"
-  handeye_workdir: "/tmp/handeye_calib_89"
+  handeye_workdir: "/home/USER/ros2/handeye/tmp/89"
   # 空=默认 DDS(SHM)；勿强制 UDP-only，否则相机预览收不到 /workpiece/detection
   fastdds_profile: ""
 
@@ -340,7 +340,7 @@ gripper:
 #   bash ~/ros2/scripts/run_hole_detect.sh --arm 89 --preview
 hole_detect:
   backend: "two_stage"   # two_stage | yolo | hough
-  weights: "/home/USER/ros2/models/hole_insert/best.pt"
+  weights: "/home/USER/ros2/models/hole_insert/detect_best_1.onnx"
   # 二阶段工件检测权重（YOLO 先框出工件，再 Hough 找 k1/k2 螺纹孔）
   workpiece_weights: "/home/USER/ros2/models/hole_insert/detect_best_1.onnx"
   config: "/home/USER/ros2/src/arm_application/config/hole_detect.yaml"

handeye/waypoints.yaml

@@ -20,6 +20,6 @@ handeye_waypoints:
     camera_namespace: ""
     image_topic: ""
     preview_window: true
-    append_poses_file: "/tmp/handeye_calib/taught_poses.txt"
+    append_poses_file: "/home/cc/ros2/handeye/tmp/taught_poses.txt"
 
     waypoint_times: [4.0, 4.0, 4.0, 4.0, 4.0, 4.5, 4.5, 4.5, 4.5, 4.5, 4.5, 4.0, 4.0]

models/README.md

@@ -0,0 +1,273 @@
+# 算法权重模块（models/）
+
+这个目录放**算法模型权重**和它们的**类别标签**。机器人软件里"算法"和"机械/电气"
+变化节奏完全不同：机械改一次要几个月，模型换一版可能一周几次。所以这一块单独
+成模块，有自己的一套约定和工具，改模型不需要动任何 C++/节点代码。
+
+> **要改这个模块的人，先读完本文。** 下面是规则，不是建议。
+
+---
+
+## 1. 目录长什么样
+
+```
+models/
+├── README.md              ← 本文（模块规则）
+├── staging/               ← 非标准格式先丢这里，等转换
+│   ├── .gitkeep
+│   └── done/              ← 转换完成后源文件自动归档到这里
+├── yolo/                  ← 一个"分组"（就是个子目录，名字随意）
+│   ├── detect_best_0.onnx
+│   ├── detect_best_0.engine
+│   └── detect_best_0.labels.yaml
+└── hole_insert/
+    ├── detect_best_1.onnx
+    └── detect_best_1.labels.yaml
+```
+
+**分组**只是一个子目录名，用来分门别类，没有程序语义。默认用 `yolo`。
+
+---
+
+## 2. 命名规则（重要）
+
+同一个模型的**所有格式 + 标签**必须用**同一个名字主干**、放在**同一个目录**：
+
+| 文件 | 作用 | 进 git？ |
+|---|---|---|
+| `<名字>.pt` | PyTorch 原始权重 | 否 |
+| `<名字>.onnx` | 中间格式，CPU 推理后端也用 | 否 |
+| `<名字>.engine` | TensorRT 引擎，GPU 推理用 | 否 |
+| `<名字>.labels.yaml` | **类别标签** | **是** |
+
+因为推理代码是按"同目录同主干"去找配套文件的（`resolve_weights` 找 `.engine`，
+标签找 `.labels.yaml`）。所以：
+
+- ✅ `detect_best_0.onnx` + `detect_best_0.engine` + `detect_best_0.labels.yaml`
+- ❌ `detect_best_0.onnx` + `detect_best_0_fp16.engine`（名字对不上，找不到）
+- ❌ `detect_best_0.onnx` + `labels_detect_best_0.yaml`（标签名对不上）
+
+**一份标签服务同一个模型的所有格式。** 换 `.pt`→`.engine` 后端时类名不会变。
+
+---
+
+## 3. 标签（class names）
+
+### 为什么要有单独的标签文件
+
+模型输出的是**类别索引**（0/1/2…），要翻译成人看得懂的名字。这件事原先没有统一
+做法，三种后端各来一套，而且**TensorRT 那一环会把标签弄丢**。
+
+丢的原因是硬的：TensorRT 引擎要用 `trt.OnnxParser` 重新构建，而
+**当前安装的 TensorRT（10.13）Python API 根本没有 metadata 读写接口** ——
+`INetworkDefinition` / `IBuilderConfig` / `ICudaEngine` 上都没有任何 metadata 方法。
+实测二进制里搜一下就能看出来：
+
+```
+detect_best_0.engine   搜不到 "workpiece"   → 标签已丢
+```
+
+丢了的后果很隐蔽：读不到名字时代码会退化成把索引当名字用（类名变成 `"0"`），
+而预览界面又不画类名 —— **没有任何地方看得出标签丢了**。
+
+所以标签放在**旁边的文本文件**里。它不是"退而求其次"，而是唯一可行且有好处：
+
+1. **可修改** —— 改标签不用重新转换模型，存盘即生效；
+2. **跨格式统一** —— `.pt`/`.onnx`/`.engine` 共用一份，换后端名字不变。
+
+### 写法
+
+`<名字>.labels.yaml`：
+
+```yaml
+model: detect_best_0        # 可选，写对了能帮你发现"标签文件拷错了模型"
+names:
+  - workpiece               # 第 1 行 = 类别 0
+  - tongzhigui              # 第 2 行 = 类别 1
+```
+
+第 1 行对应类别 0，第 2 行对应类别 1，依次类推。也认这些写法（从别处拷配置常见）：
+
+```yaml
+names: {0: workpiece, 1: tongzhigui}   # 字典形式（Ultralytics data.yaml 风格）
+```
+```yaml
+names: "workpiece, tongzhigui"         # 逗号串
+```
+```yaml
+workpiece                              # 纯文本，一行一个（classes.txt 风格，注释行以 # 开头）
+```
+
+### 读取优先级
+
+```
+<名字>.labels.yaml  >  ONNX 内嵌 metadata  >  模型内嵌 metadata  >  占位符 class_0
+```
+
+旁挂文件**必须**赢，因为它是人能改的那一份。否则"我明明改了标签为什么不生效"
+会变成一个很难查的问题。
+
+全都读不到时会用占位名 `class_0`、`class_1`…，并且**打一条 warning**。
+刻意不用裸数字 `"0"` —— 那个和"真的有个叫 0 的类"分不出来。
+
+### 怎么改 / 怎么看
+
+```bash
+bash scripts/weights.sh labels detect_best_0                        # 看
+bash scripts/weights.sh labels detect_best_0 --set "工件,通止规"      # 直接改
+bash scripts/weights.sh labels detect_best_0 --set-file classes.txt  # 从文本文件导入
+bash scripts/weights.sh labels detect_best_0 --from-model            # 把模型内嵌标签抄出来变成可编辑
+bash scripts/weights.sh labels detect_best_0 --json                  # 给程序读
+bash scripts/weights.sh labels detect_best_0 --clear                 # 删掉，回到模型内嵌
+```
+
+改完**重跑一下节点**就生效，不用重新转换模型、不用重建 engine。
+
+---
+
+## 4. 加一个新模型（完整流程）
+
+### 步骤 1：把原始文件丢进 staging
+
+不管它原来叫什么、什么格式，先扔进 `models/staging/`：
+
+```bash
+cp ~/下载/best_v3_final\(1\).pt ~/ros2/models/staging/
+```
+
+### 步骤 2：一条命令转换 + 改名 + 归位
+
+```bash
+bash ~/ros2/scripts/weights.sh convert staging/best_v3_final\(1\).pt --name workpiece --group yolo
+```
+
+这条命令会：
+
+1. `--name workpiece` → 产出统一叫 `workpiece.onnx` / `workpiece.engine`（**自动改名**）
+2. 依次跑 `PT → ONNX → engine`（TensorRT 只能由 ONNX 构建，所以中间产物必出）
+3. 把产出放到 `models/yolo/`（**自动归位**）
+4. **顺带把标签落成 `workpiece.labels.yaml`**（从源模型内嵌 metadata 抄）
+5. 把 staging 里的源文件挪到 `models/staging/done/`（staging 永远是一份"待办清单"）
+
+常用选项：
+
+| 选项 | 用途 |
+|---|---|
+| `--to onnx` | 只要 ONNX，不建 engine（不需要 GPU） |
+| `--to engine` | 只要 engine（仍会先产出 onnx 做中间产物） |
+| `--imgsz 640` | 输入尺寸（默认取 `config/site.yaml` 的 `yolo.imgsz`） |
+| `--labels "工件,通止规"` | 顺手写标签 |
+| `--group <分组>` | 输出到别的子目录 |
+| `--force` | 覆盖已存在的产出（不加则拒绝覆盖，防误删） |
+| `--dry-run` | 只看计划，不动文件 |
+| `--no-fp16` | engine 不用 FP16 |
+| `--keep-staging` | 保留 staging 里的源文件 |
+
+### 步骤 3：让配置指向它
+
+改 `config/site.yaml`：
+
+```yaml
+paths:
+  yolo_weights: "/home/USER/ros2/models/yolo/workpiece.onnx"   # 写 onnx；engine 会自动找同名的
+yolo:
+  backend: "tensorrt"    # tensorrt / onnx / auto
+  imgsz: 640             # 必须等于该模型的输入尺寸
+```
+
+> 写 `.onnx` 路径即可。`backend: tensorrt` 时程序会自动找同名的 `.engine`；
+> 写 `.pt` 也一样能找到 `.engine`。所以换后端不用改配置。
+
+### 步骤 4：确认
+
+```bash
+bash ~/ros2/scripts/weights.sh list      # 模型在不在、标签读不读得出来
+bash ~/ros2/scripts/weights.sh doctor    # 体检
+```
+
+---
+
+## 5. 体检与排错
+
+```bash
+bash ~/ros2/scripts/weights.sh doctor --check-engines
+```
+
+会检查：
+
+- 每个模型的标签来源；缺标签的会指出期望的文件名
+- **engine 能不能被当前 TensorRT 加载**（见下）
+- `config/site.yaml` 里指向不存在的文件的**悬空引用**
+- `backend: tensorrt` 但同名 `.engine` 不存在（启动会直接失败）
+- staging 里有没有待转换的文件
+
+### 常见问题
+
+**「engine 明明在，启动却说加载失败」**
+
+**引擎和 TensorRT 版本是绑死的。** 换了 TensorRT（重装环境、升级 CUDA）
+之后旧引擎会直接反序列化失败，报 `incompatible serialization version` 之类。
+表现是"文件在、大小也对，就是不能用"。用 `doctor --check-engines` 能查出来，
+重导一次即可：
+
+```bash
+bash scripts/weights.sh convert models/yolo/<名字>.onnx --name <名字> --to engine --force
+```
+
+> 实测本仓库里的 `detect_hc90.engine` 就是这样失效的（用旧版 TensorRT 构建，
+> 当前 10.13 无法加载）。另外两个 engine 正常。
+
+**「类名显示成 `class_0`」**
+
+标签没配上。`weights.sh labels <名字>` 会告诉你缺什么，然后
+`--from-model` 或 `--set` 补一份。
+
+**「同一个模型，换个后端类名就变了」**
+
+不该发生。如果出现了，说明少了 `.labels.yaml`，各后端的回退来源不一致。
+补上旁挂文件即可。
+
+**「`convert` 说目标已存在」**
+
+默认不覆盖，防止把别人的模型冲掉。确认要覆盖加 `--force`。
+
+---
+
+## 6. 规则（改动本模块时必须遵守）
+
+1. **二进制不进 git。** 靠 `.gitignore` 的通配规则挡住。新加分组不用改 `.gitignore`。
+2. **`.labels.yaml` 要进 git。** 它是配置，体积小，是团队间的唯一事实来源。
+3. **不要把类名写死在代码里。** 一律走 `arm_application.model_labels`。
+   已清理过的反例：`onnx_workpiece.py` 里曾硬编码 `{0: "workpiece"}`，
+   `hole_detect_hough.py` 里曾硬编码框上画的字 `"gongjian"`（而真类名是 `workpiece`）。
+4. **不要在"就地"改权重名字来换模型。** 用 `weights.sh convert --name`，
+   让工具保证"名字主干一致 + 同目录"这条不变量。
+5. **不要手工搬 engine 到别的目录或改名。** 改名会切断和 onnx/标签的关联。
+6. **新增推理后端时，标签必须走 `model_labels.read_labels()`**，
+   否则又会造出一个"某个后端读不到标签"的坑。
+7. **`models/staging/` 不是永久存储。** 它只放"待转换"的东西。
+
+---
+
+## 7. 代码在哪
+
+| 位置 | 作用 |
+|---|---|
+| `arm_application/model_labels.py` | 标签读写、来源优先级、占位符（纯逻辑，无 ROS） |
+| `arm_application/weights_layout.py` | 目录布局、模型发现、转换链规划（纯逻辑，无 ROS） |
+| `scripts/weights.py` | 命令行实现（转换真正干活的地方） |
+| `scripts/weights.sh` | 薄封装：准备环境 → 转发给 `weights.py` |
+| `scripts/export_yolo_trt.sh` | **旧命令**，现在转发到 `weights.sh`，保持兼容 |
+| `arm_application/yolo_detector.py` | 运行时加载模型 + `resolve_class_labels()` |
+| `arm_application/onnx_workpiece.py` | ONNX Runtime 后端，读标签同样走 `model_labels` |
+
+测试：`src/arm_application/test/test_model_labels.py`（标签）、
+`test_weights_layout.py`（布局/发现/CLI）。
+
+---
+
+## 8. 相关文档
+
+- `docs/SITE_CONFIG.md` —— `paths.yolo_weights` / `yolo.backend` 等配置项
+- `docs/WORKSPACE.md` —— 工作区总览
+- `docs/TRACKING.md` —— 换模型要同时改哪几处

models/hole_insert/README.md

@@ -1,23 +1,36 @@
-# 入孔 / 孔定位权重
+# 入孔检测权重
 
-二进制（`.pt` / `.onnx` / `.engine`）**不进 git**。
+> **改这个目录之前先读 [`../README.md`](../README.md)**（权重模块的规则）。
 
-`hole_detect.backend: yolo` 时把本目录的检测权重绝对路径写进 `config/site.yaml`：
+用于"把孔当框来检测"的模型（`hole_detect.backend: yolo`）。
+当前现场用的是 `two_stage`（两阶段）后端，它用的是**工件**权重
+（`hole_detect.workpiece_weights`，指向 `models/yolo/` 里的模型），
+本目录的模型并不是每次都会用到。
+
+## 现状
+
+- `detect_best_1.onnx` —— 工件检测模型，被 `hole_detect.workpiece_weights` 使用。
+
+## 历史遗留（已知问题）
+
+`config/site.yaml` 的这两处仍指向一个**不存在**的文件 `models/hole_insert/best.pt`：
 
 ```yaml
 paths:
-  hole_weights: "/home/USER/ros2/models/hole_insert/best.pt"
+  hole_weights: ".../models/hole_insert/best.pt"     # ← 文件不存在
 hole_detect:
-  backend: "yolo"
+  weights: ".../models/hole_insert/best.pt"          # ← 文件不存在
-  weights: "/home/USER/ros2/models/hole_insert/best.pt"
 ```
 
-`backend: two_stage` 用的是工件 YOLO（`paths.yolo_weights`），本目录可空。
+`backend: two_stage` 时这两处不会被读，所以现在不影响运行；但一旦切成
+`backend: yolo` 就会启动失败。用 `bash ~/ros2/scripts/weights.sh doctor`
+能查出来。要么把真实权重按命名规则放进本目录，要么把这两处配置删掉。
 
-从旧工程拷贝示例：
+## 加新模型 / 看标签
+
+和 `models/yolo/` 完全一样，只是分组名换成 `hole_insert`：
 
 ```bash
-mkdir -p ~/ros2/models/hole_insert
+bash ~/ros2/scripts/weights.sh convert staging/xxx.onnx --name hole_detect --group hole_insert
-# 若有独立孔模型：
+bash ~/ros2/scripts/weights.sh labels detect_best_1 --group hole_insert
-# cp /path/to/best.pt ~/ros2/models/hole_insert/best.pt
 ```

models/hole_insert/detect_best_1.labels.yaml

@@ -0,0 +1,16 @@
+# 模型类别标签（class names）
+#
+# 一个模型对应一份标签，放在权重旁边、同名前缀：
+#   detect_best_0.engine  ← 权重
+#   detect_best_0.labels.yaml  ← 本文件
+#
+# 写法：names 下面一行一个类名，第 1 行对应类别 0，第 2 行对应类别 1，依次类推。
+# 改完保存即生效，不需要重新转换模型、也不用重启环境（重跑节点即可）。
+#
+# 命令行查看/修改（推荐，不用手改本文件）：
+#   bash ~/ros2/scripts/weights.sh labels <模型名>
+#   bash ~/ros2/scripts/weights.sh labels <模型名> --set "工件,通止规"
+
+model: detect_best_1
+names:
+  - workpiece

models/staging/README.md

@@ -0,0 +1,26 @@
+# staging —— 待转换区
+
+把**非标准格式**的模型文件先丢进这个目录，然后用一条命令转换、改名、归位：
+
+```bash
+bash ~/ros2/scripts/weights.sh convert staging/<文件名> --name <模型名> --group yolo
+```
+
+支持的输入：`.pt` / `.pth`（PyTorch）、`.onnx`。
+已经是最终产物的 `.engine` / `.trt` / `.plan` 不需要转换，命令会直接把它归位。
+
+其它格式（`.pdparams`、`.caffemodel`、`.tflite`、`.zip`…）工具不认识，
+会明确报错并提示需要人工处理 —— 这是有意的，不要让它猜。
+
+`convert` 跑完后，源文件会被自动挪到 `done/` 归档，所以本目录
+**始终是一份"待办清单"**：空了就说明都处理完了。
+
+```bash
+bash ~/ros2/scripts/weights.sh doctor     # 看本目录还有哪些待处理
+```
+
+## 注意
+
+- 本目录内容**不进 git**（`.gitkeep` 除外）。
+- 这不是永久存储。转换完的文件在 `models/<分组>/` 里。
+- `done/` 里的东西可以随时删，只是留个念想。

models/yolo/README.md

@@ -1,19 +1,54 @@
-# YOLO 权重
+# YOLO 工件检测权重
 
-二进制（`.pt` / `.onnx` / `.engine`）**不进 git**。放到本目录后改 `config/site.yaml`：
+> **改这个目录之前先读 [`../README.md`](../README.md)**（权重模块的规则）。
+
+## 放什么
+
+同名的 `.pt` / `.onnx` / `.engine` / `.labels.yaml` 放一起，名字主干必须一致：
+
+```
+detect_best_0.onnx          ← 写进 config/site.yaml 的那个
+detect_best_0.engine        ← TensorRT 引擎，backend: tensorrt 时自动使用
+detect_best_0.labels.yaml   ← 类别标签（进 git，可手改）
+```
+
+二进制不进 git；`.labels.yaml` 进 git。
+
+## 加新模型
+
+```bash
+cp ~/下载/xxx.pt ~/ros2/models/staging/
+bash ~/ros2/scripts/weights.sh convert staging/xxx.pt --name workpiece --group yolo
+```
+
+然后改 `config/site.yaml`：
 
 ```yaml
 paths:
-  yolo_weights: "/home/USER/ros2/models/yolo/YOUR.onnx"
+  yolo_weights: "/home/USER/ros2/models/yolo/workpiece.onnx"
 yolo:
   backend: "tensorrt"
-  imgsz: 640          # 必须等于该模型输入
+  imgsz: 640          # 必须等于该模型输入尺寸
 ```
 
-TensorRT：
+## 查看 / 修改标签
 
 ```bash
-bash ~/ros2/scripts/export_yolo_trt.sh /home/USER/ros2/models/yolo/YOUR.onnx 640
+bash ~/ros2/scripts/weights.sh labels detect_best_0
+bash ~/ros2/scripts/weights.sh labels detect_best_0 --set "工件,通止规"
 ```
 
-会生成同名 `.engine`。换 ONNX 或 imgsz 后重导。然后重启 `run_visual_servo_rt.sh`。
+## 排错
+
+```bash
+bash ~/ros2/scripts/weights.sh doctor --check-engines
+```
+
+`engine` 和 TensorRT 版本绑死：换过 TensorRT 后旧 engine 会加载失败，重导即可
+（`convert <同名>.onnx --name <名字> --to engine --force`）。
+
+## 历史遗留
+
+`active.pt` 是个指向 `detect_hc90.pt` 的符号链接，早期用来"切换当前模型"，
+现在没有任何节点会读它 —— 换模型请改 `config/site.yaml` 的 `paths.yolo_weights`。
+留着只是不想动别人的文件，可以安全删除。

models/yolo/detect_best.labels.yaml

@@ -0,0 +1,16 @@
+# 模型类别标签（class names）
+#
+# 一个模型对应一份标签，放在权重旁边、同名前缀：
+#   detect_best_0.engine  ← 权重
+#   detect_best_0.labels.yaml  ← 本文件
+#
+# 写法：names 下面一行一个类名，第 1 行对应类别 0，第 2 行对应类别 1，依次类推。
+# 改完保存即生效，不需要重新转换模型、也不用重启环境（重跑节点即可）。
+#
+# 命令行查看/修改（推荐，不用手改本文件）：
+#   bash ~/ros2/scripts/weights.sh labels <模型名>
+#   bash ~/ros2/scripts/weights.sh labels <模型名> --set "工件,通止规"
+
+model: detect_best
+names:
+  - workpiece

models/yolo/detect_best_0.labels.yaml

@@ -0,0 +1,16 @@
+# 模型类别标签（class names）
+#
+# 一个模型对应一份标签，放在权重旁边、同名前缀：
+#   detect_best_0.engine  ← 权重
+#   detect_best_0.labels.yaml  ← 本文件
+#
+# 写法：names 下面一行一个类名，第 1 行对应类别 0，第 2 行对应类别 1，依次类推。
+# 改完保存即生效，不需要重新转换模型、也不用重启环境（重跑节点即可）。
+#
+# 命令行查看/修改（推荐，不用手改本文件）：
+#   bash ~/ros2/scripts/weights.sh labels <模型名>
+#   bash ~/ros2/scripts/weights.sh labels <模型名> --set "工件,通止规"
+
+model: detect_best_0
+names:
+  - workpiece

models/yolo/detect_hc90.labels.yaml

@@ -0,0 +1,16 @@
+# 模型类别标签（class names）
+#
+# 一个模型对应一份标签，放在权重旁边、同名前缀：
+#   detect_best_0.engine  ← 权重
+#   detect_best_0.labels.yaml  ← 本文件
+#
+# 写法：names 下面一行一个类名，第 1 行对应类别 0，第 2 行对应类别 1，依次类推。
+# 改完保存即生效，不需要重新转换模型、也不用重启环境（重跑节点即可）。
+#
+# 命令行查看/修改（推荐，不用手改本文件）：
+#   bash ~/ros2/scripts/weights.sh labels <模型名>
+#   bash ~/ros2/scripts/weights.sh labels <模型名> --set "工件,通止规"
+
+model: detect_hc90
+names:
+  - workpiece

models/yolo/detect_yolo26_gongjian.labels.yaml

@@ -0,0 +1,16 @@
+# 模型类别标签（class names）
+#
+# 一个模型对应一份标签，放在权重旁边、同名前缀：
+#   detect_best_0.engine  ← 权重
+#   detect_best_0.labels.yaml  ← 本文件
+#
+# 写法：names 下面一行一个类名，第 1 行对应类别 0，第 2 行对应类别 1，依次类推。
+# 改完保存即生效，不需要重新转换模型、也不用重启环境（重跑节点即可）。
+#
+# 命令行查看/修改（推荐，不用手改本文件）：
+#   bash ~/ros2/scripts/weights.sh labels <模型名>
+#   bash ~/ros2/scripts/weights.sh labels <模型名> --set "工件,通止规"
+
+model: detect_yolo26_gongjian
+names:
+  - gongjian

scripts/README.md

@@ -8,7 +8,11 @@
 **夹爪：** `run_gripper.sh --arm 89|91` · `run_dual_gripper.sh`  
 **入孔：** `run_hole_detect.sh --arm … [--preview]`  
 **触觉：** `run_tactile.sh [--cli]`  
-**权重：** `export_yolo_trt.sh`  
+**权重：** `weights.sh`（`list` / `labels` / `convert` / `doctor` / `show`）
+  - 转换：`weights.sh convert <文件> --name <模型名>` —— PT→ONNX→TensorRT，自动改名归位 + 固化标签
+  - 标签：`weights.sh labels <模型名>` 看，`--set "工件,通止规"` 改
+  - 体检：`weights.sh doctor --check-engines`（能查出 engine 与 TensorRT 版本不匹配这类静默失效）
+  - 规则写在 [models/README.md](../models/README.md)。`export_yolo_trt.sh` 现在是它的兼容转发壳。
 **配置：** `show_site_config.sh` · `lib/export_site_env.py`  
 **环境：** `env.sh` · `build_all.sh`  
 **RDK：** `test_rdk_python.sh` · `rdk_switch_tool.sh` · `rdk_drag_bridge.py`  

scripts/export_yolo_trt.sh

@@ -1,90 +1,47 @@
 #!/usr/bin/env bash
-# Export YOLO .pt/.onnx → TensorRT .engine (FP16).
+# 【旧命令，已改为转发壳】YOLO 权重 → TensorRT engine。
 #
+# 请改用新命令（多了改名、归位、标签固化、staging 等功能）：
+#
+#   bash ~/ros2/scripts/weights.sh convert <文件> --name <模型名>
+#   bash ~/ros2/scripts/weights.sh list
+#   bash ~/ros2/scripts/weights.sh labels <模型名>
+#
+# 本脚本保留只为兼容旧文档/旧习惯，行为等价于：
+#   weights.sh convert <weights> --name <同名主干> --to engine [--imgsz N]
+#
+# 原用法（仍然可用）：
 #   bash ~/ros2/scripts/export_yolo_trt.sh
-#   bash ~/ros2/scripts/export_yolo_trt.sh /home/cc/ros2/models/yolo/detect_best.onnx 640
+#   bash ~/ros2/scripts/export_yolo_trt.sh /path/to/xxx.onnx 640
-#
-# Needs: tensorrt-cu12 + onnx + onnxslim in ros_flexiv (do NOT pip install
-# the meta package `tensorrt`, it pulls CUDA 13 wheels).
-# Then set yolo.backend: tensorrt in site.yaml and restart visual servo.
 
 set -eo pipefail
 ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
+
 # shellcheck disable=SC1091
-source "${ROOT}/scripts/lib/load_site_config.sh"
+source "${ROOT}/scripts/lib/load_site_config.sh" >/dev/null 2>&1 || true
 
-PT="${1:-${SITE_YOLO_WEIGHTS:-${ROOT}/models/yolo/detect_best.onnx}}"
+WEIGHTS="${1:-${SITE_YOLO_WEIGHTS:-${ROOT}/models/yolo/detect_best.onnx}}"
 IMGSZ="${2:-${SITE_YOLO_IMGSZ:-640}}"
-PY="${HOME}/anaconda3/envs/ros_flexiv/bin/python"
 
-if [[ ! -f "${PT}" ]]; then
+if [[ ! -f "${WEIGHTS}" ]]; then
-  echo "ERROR: weights not found: ${PT}" >&2
+  echo "ERROR: weights not found: ${WEIGHTS}" >&2
   exit 1
 fi
 
-# Pip TensorRT shared libs (needed at export + runtime).
+# 取文件名主干做模型名：xxx.onnx → xxx
-TRT_LIBS="$("${PY}" - <<'PY'
+BASE="$(basename "${WEIGHTS}")"
-import pathlib, tensorrt
+NAME="${BASE%.*}"
-p = pathlib.Path(tensorrt.__file__).resolve().parent
+DIR="$(dirname "${WEIGHTS}")"
-cands = [p, p.parent / "tensorrt_libs", p.parent / "nvidia" / "tensorrt" / "lib"]
+# 分组 = 权重所在目录名（相对 models/ 的那一层）
-print(":".join(str(x) for x in cands if x.exists()))
+GROUP="$(basename "${DIR}")"
-PY
-)"
-export LD_LIBRARY_PATH="${TRT_LIBS}${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}"
-export YOLO_AUTOINSTALL=false
 
-echo "Export TensorRT engine from ${PT}  imgsz=${IMGSZ}"
+echo "提示: export_yolo_trt.sh 已改为转发壳，建议直接用："
-"${PY}" - <<PY
+echo "      bash ~/ros2/scripts/weights.sh convert ${WEIGHTS} --name ${NAME}"
-from pathlib import Path
+echo
-import tensorrt as trt
 
-src = Path("${PT}").expanduser()
+exec bash "${ROOT}/scripts/weights.sh" convert "${WEIGHTS}" \
-print("tensorrt", trt.__version__)
+  --name "${NAME}" \
-print("source", src)
+  --group "${GROUP}" \
-engine_path = src.with_suffix(".engine")
+  --to engine \
-
+  --imgsz "${IMGSZ}" \
-if src.suffix.lower() == ".onnx":
+  --force
-    logger = trt.Logger(trt.Logger.INFO)
-    flag = 1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH)
-    builder = trt.Builder(logger)
-    network = builder.create_network(flag)
-    parser = trt.OnnxParser(network, logger)
-    raw = src.read_bytes()
-    if not parser.parse(raw):
-        for i in range(parser.num_errors):
-            print("ONNX parse error:", parser.get_error(i))
-        raise SystemExit("ONNX parse failed")
-    config = builder.create_builder_config()
-    config.set_memory_pool_limit(trt.MemoryPoolType.WORKSPACE, 4 << 30)
-    if builder.platform_has_fast_fp16:
-        config.set_flag(trt.BuilderFlag.FP16)
-        print("FP16 enabled")
-    serialized = builder.build_serialized_network(network, config)
-    if serialized is None:
-        raise SystemExit("TensorRT build failed")
-    engine_path.write_bytes(bytes(serialized))
-    print("wrote", engine_path)
-else:
-    from ultralytics import YOLO
-    m = YOLO(str(src))
-    try:
-        out = m.export(
-            format="engine",
-            imgsz=int("${IMGSZ}"),
-            device=0,
-            quantize=16,
-            simplify=True,
-            workspace=4,
-        )
-    except TypeError:
-        out = m.export(
-            format="engine",
-            imgsz=int("${IMGSZ}"),
-            device=0,
-            half=True,
-            simplify=True,
-            workspace=4,
-        )
-    print("wrote", out)
-PY
-echo "Done. Restart: bash ~/ros2/scripts/run_visual_servo_rt.sh --control"

scripts/lib/export_site_env.py

@@ -194,7 +194,7 @@ def flatten(data: dict) -> dict:
     )
 
     weights = str(paths.get("yolo_weights") or "")
-    # Resolve active.pt symlink to real path for display
+    # 解析符号链接，方便日志里看到真实文件（历史上有人用 active.pt 做切换，已废弃）
     try:
         weights_resolved = str(Path(weights).expanduser().resolve())
     except Exception:
@@ -231,7 +231,7 @@ def flatten(data: dict) -> dict:
             or str(_root() / "handeye" / "waypoints.yaml")
         ),
         "SITE_HANDEYE_WORKDIR": str(
-            paths.get("handeye_workdir") or "/tmp/handeye_calib"
+            paths.get("handeye_workdir") or str(_root() / "handeye" / "tmp")
         ),
         "SITE_HANDEYE_FILE": str(
             paths.get("handeye_file")
@@ -280,10 +280,10 @@ def flatten(data: dict) -> dict:
         "SITE_D435_FPS": str(int(((data.get("cameras") or {}).get("d435") or {}).get("fps") or 30)),
         "SITE_D405_LEFT_SERIAL": str(((data.get("cameras") or {}).get("d405_left") or {}).get("serial") or "352122274408"),
         "SITE_D405_RIGHT_SERIAL": str(((data.get("cameras") or {}).get("d405_right") or {}).get("serial") or "260522274442"),
-        "SITE_YOLO_CONF": str(yolo.get("conf") or 0.35),
+        "SITE_YOLO_CONF": str(yolo.get("conf") or 0.10),
-        "SITE_YOLO_IMGSZ": str(int(yolo.get("imgsz") or 416)),
+        "SITE_YOLO_IMGSZ": str(int(yolo.get("imgsz") or 640)),
         "SITE_YOLO_DEVICE": str(yolo.get("device") or "0"),
-        "SITE_YOLO_MIN_CONF": str(yolo.get("min_conf") or 0.35),
+        "SITE_YOLO_MIN_CONF": str(yolo.get("min_conf") or 0.12),
         "SITE_GO_HOME_POSE": str(home.get("pose") or "home"),
         "SITE_GO_HOME_SPEED": str(home.get("speed") or 0.25),
         "SITE_NET_IFACE": str(robot.get("iface") or net.get("prefer_iface") or ""),
@@ -312,7 +312,7 @@ def flatten(data: dict) -> dict:
         "SITE_HOLE_WEIGHTS": str(
             (data.get("hole_detect") or {}).get("weights")
             or paths.get("hole_weights")
-            or str(_root() / "models" / "hole_insert" / "best.pt")
+            or str(_root() / "models" / "hole_insert" / "detect_best_1.onnx")
         ),
         "SITE_HOLE_WORKPIECE_WEIGHTS": str(
             (data.get("hole_detect") or {}).get("workpiece_weights")
@@ -381,7 +381,7 @@ def perception_overrides(data: dict) -> dict:
         "weights": str(paths.get("yolo_weights") or ""),
         "conf": float(yolo.get("conf") or 0.10),
         "iou": float(yolo.get("iou") or 0.45),
-        "imgsz": int(yolo.get("imgsz") or 416),
+        "imgsz": int(yolo.get("imgsz") or 640),
         "device": str(yolo.get("device") or "0"),
         "half_precision": bool(yolo.get("half_precision", True)),
         "backend": str(yolo.get("backend") or "auto"),

scripts/run_handeye.sh

@@ -75,7 +75,7 @@ WP="${SITE_HANDEYE_WAYPOINTS:-${HE_DIR}/poses/89_eye_in_hand.yaml}"
 CAL="${SITE_HANDEYE_CALIBRATE:-${HE_DIR}/calibrate.yaml}"
 TOUR="${SITE_HANDEYE_TOUR:-${HE_DIR}/waypoints.yaml}"
 RES="${SITE_HANDEYE_FILE:-${HE_DIR}/results/89_eye_in_hand.yaml}"
-WORKDIR="${SITE_HANDEYE_WORKDIR:-/tmp/handeye_calib}"
+WORKDIR="${SITE_HANDEYE_WORKDIR:-${HE_DIR}/tmp}"
 TAUGHT="${WORKDIR}/taught_poses.txt"
 PREFIX="${SITE_JOINT_PREFIX:-Rizon4-063989_}"
 CAM="${SITE_CAM_NAME:-d405}"

scripts/show_site_config.sh

@@ -13,8 +13,11 @@ parse_arm_args "$@"
 python3 "${ROOT}/scripts/lib/export_site_env.py" --print ${ROBOT_SN:+--sn "$ROBOT_SN"}
 echo
 echo "Edit: ${SITE_CONFIG:-$ROOT/config/site.yaml}"
-echo "Switch weights example:"
+echo "Switch weights:"
-echo "  paths.yolo_weights: \"/home/cc/ros2/models/yolo/detect_hc90.pt\""
+echo "  paths.yolo_weights: \"/home/cc/ros2/models/yolo/detect_best_0.onnx\"   # 写 onnx 或 pt 均可"
-echo "Or symlink:"
+echo "  改完确认标签和 engine 都对："
-echo "  ln -sfn detect_hc90.pt ~/ros2/models/yolo/active.pt"
+echo "    bash ~/ros2/scripts/weights.sh list"
-echo "  # then set paths.yolo_weights to .../active.pt"
+echo "    bash ~/ros2/scripts/weights.sh doctor --check-engines"
+echo
+echo "（旧做法: 用 models/yolo/active.pt 符号链接切换模型 —— 已废弃，"
+echo "  没有任何节点会读它。请直接改 paths.yolo_weights。）"

scripts/weights.py

@@ -0,0 +1,842 @@
+#!/usr/bin/env python3
+"""权重模块的统一命令行入口：转换 / 标签 / 列表 / 自检。
+
+通常不直接调用本文件，而是走薄封装（它会先把环境准备好）：
+
+    bash ~/ros2/scripts/weights.sh list
+    bash ~/ros2/scripts/weights.sh labels detect_best_0
+    bash ~/ros2/scripts/weights.sh labels detect_best_0 --set "工件,通止规"
+    bash ~/ros2/scripts/weights.sh convert staging/best_v3.pt --name workpiece --group yolo
+
+把"纯逻辑"放在 ``arm_application.weights_layout`` / ``arm_application.model_labels``
+里，本文件只负责：解析参数、打印人话、真正调用 PyTorch/Ultralytics/TensorRT。
+
+为什么单独做这个模块：原先只有 ``export_yolo_trt.sh``，只能"就地"把
+``<同名>.onnx`` 变成 ``<同名>.engine``，既不能改名、不能归位、也不管标签。
+实际用起来必须手工搬文件 + 手改 site.yaml，而**标签在 engine 那一环会静默丢失**
+（原因见 model_labels 模块头）。这里把三件事一次做完：
+转换 → 规范改名 → 放到权重目录 → 顺带把标签落成可编辑的文件。
+"""
+from __future__ import annotations
+
+import argparse
+import json
+import os
+import shutil
+import sys
+from pathlib import Path
+from typing import Dict, List, Optional, Sequence
+
+# ---------------------------------------------------------------------------
+# 让脚本能在没 colcon build / 没 source install 的情况下直接 import
+# ---------------------------------------------------------------------------
+
+
+def _bootstrap_import_path() -> Optional[Path]:
+    """把 ``src/arm_application`` 插进 sys.path，返回仓库根（找不到返回 None）。
+
+    ``arm_application/__init__.py`` 里只有文档字符串、没有 ROS 依赖，
+    所以这样 import 不会把 ROS 拖进来。
+    """
+    here = Path(__file__).resolve()
+    for cand in [here, *here.parents]:
+        pkg = cand / "src" / "arm_application"
+        if (pkg / "arm_application" / "weights_layout.py").is_file():
+            if str(pkg) not in sys.path:
+                sys.path.insert(0, str(pkg))
+            return cand
+    return None
+
+
+_REPO_ROOT = _bootstrap_import_path()
+
+from arm_application.model_labels import (  # noqa: E402
+    LABELS_SUFFIX,
+    SOURCE_LABELS_ZH,
+    SOURCE_PLACEHOLDER,
+    SOURCE_SIDECAR,
+    describe,
+    format_labels_yaml,
+    labels_from_model,
+    labels_from_onnx,
+    labels_path_for,
+    parse_label_list,
+    read_label_text_file,
+    read_labels,
+    write_labels,
+)
+from arm_application.weights_layout import (  # noqa: E402
+    CONVERTIBLE_INPUT_EXTS,
+    STAGING_DIRNAME,
+    WEIGHT_EXTS,
+    ModelEntry,
+    canonical_path,
+    conversion_chain,
+    default_weights_root,
+    discover,
+    find_model,
+    groups,
+    model_labels,
+    plan_conversion,
+    staging_dir,
+    staging_files,
+    validate_name,
+)
+
+# 默认转换输入尺寸。site.yaml 的 yolo.imgsz 优先（由 weights.sh 通过环境变量传入）。
+DEFAULT_IMGSZ = 640
+
+
+# ---------------------------------------------------------------------------
+# 小工具
+# ---------------------------------------------------------------------------
+
+
+def _root(args) -> Path:
+    return Path(args.root).expanduser() if getattr(args, "root", None) else default_weights_root()
+
+
+def _imgsz(args) -> int:
+    """输入尺寸：命令行 > site.yaml（环境变量） > 默认 640。"""
+    if getattr(args, "imgsz", None):
+        return int(args.imgsz)
+    env = os.environ.get("SITE_YOLO_IMGSZ")
+    if env:
+        try:
+            return int(env)
+        except ValueError:
+            pass
+    return DEFAULT_IMGSZ
+
+
+def _err(msg: str) -> None:
+    print(f"错误: {msg}", file=sys.stderr)
+
+
+def _ok(msg: str) -> None:
+    print(f"✓ {msg}")
+
+
+def _warn(msg: str) -> None:
+    print(f"! {msg}")
+
+
+def _hr(char: str = "─", n: int = 74) -> None:
+    print(char * n)
+
+
+def _print_table(headers: Sequence[str], rows: Sequence[Sequence[str]]) -> None:
+    """左对齐打印一张表。宽度按显示宽度（东亚字符按 2 算）估算。"""
+
+    def w(s: str) -> int:
+        return sum(2 if ord(c) > 0x2E80 else 1 for c in s)
+
+    widths = [w(h) for h in headers]
+    for r in rows:
+        for i, c in enumerate(r):
+            widths[i] = max(widths[i], w(c))
+
+    def pad(s: str, width: int) -> str:
+        return s + " " * max(0, width - w(s))
+
+    print("  ".join(pad(h, widths[i]) for i, h in enumerate(headers)))
+    print("  ".join("-" * widths[i] for i in range(len(headers))))
+    for r in rows:
+        print("  ".join(pad(c, widths[i]) for i, c in enumerate(r)))
+
+
+def _mode_of(p: Path) -> str:
+    """文件可读性/大小的人话描述，用于列表显示。"""
+    try:
+        return f"{p.stat().st_size / 1e6:.1f}MB"
+    except OSError:
+        return "?"
+
+
+# ---------------------------------------------------------------------------
+# list
+# ---------------------------------------------------------------------------
+
+
+def cmd_list(args) -> int:
+    root = _root(args)
+    if not root.is_dir():
+        _err(f"权重目录不存在: {root}")
+        return 2
+
+    entries = discover(root)
+    if not entries:
+        _warn(f"{root} 下没找到任何权重文件（后缀: {', '.join(WEIGHT_EXTS)}）")
+        return 0
+
+    payload = []
+    rows = []
+    for e in entries:
+        ls = model_labels(e, deep=args.deep)
+        if ls.source == SOURCE_PLACEHOLDER:
+            label_cell = "— 缺标签"
+        else:
+            label_cell = f"{', '.join(ls.sorted_names())}"
+        rows.append(
+            [
+                e.group,
+                e.name,
+                " ".join(e.exts) or "—",
+                label_cell,
+                SOURCE_LABELS_ZH.get(ls.source, ls.source),
+            ]
+        )
+        payload.append(
+            {
+                "group": e.group,
+                "name": e.name,
+                "formats": e.exts,
+                "files": {k: str(v) for k, v in e.files.items()},
+                "labels": ls.names,
+                "labels_source": ls.source,
+                "labels_path": str(ls.path) if ls.path else None,
+            }
+        )
+
+    if args.json:
+        print(json.dumps(payload, ensure_ascii=False, indent=2))
+        return 0
+
+    print(f"权重目录: {root}")
+    _hr()
+    _print_table(["分组", "模型名", "已有格式", "标签", "标签来源"], rows)
+    _hr()
+    missing = [e for e in entries if model_labels(e).source == SOURCE_PLACEHOLDER]
+    print(f"共 {len(entries)} 个模型，其中 {len(missing)} 个缺标签。")
+    if missing and not args.deep:
+        print("提示: 加 --deep 可再试着从 .pt/.engine 自身读标签（会加载模型，慢）。")
+    if missing:
+        print("补标签: bash scripts/weights.sh labels <模型名> --from-model")
+    return 0
+
+
+# ---------------------------------------------------------------------------
+# labels
+# ---------------------------------------------------------------------------
+
+
+def _resolve_entry(args, root: Path) -> Optional[ModelEntry]:
+    entry = find_model(root, args.model, getattr(args, "group", None))
+    if entry is None:
+        # 提示写成 ``分组/模型名``：这正是 ``list`` 里显示的样子，可以直接复制粘贴，
+        # 比只列裸名字更不容易再踩一次坑。
+        avail = ", ".join(f"{e.group}/{e.name}" for e in discover(root)) or "(无)"
+        _err(
+            f"找不到模型 '{args.model}'。现有模型（可整串复制）: {avail}\n"
+            f"     也可以只写裸名字，或加 --group 指定分组。全部列出: "
+            f"bash ~/ros2/scripts/weights.sh list"
+        )
+    return entry
+
+
+def cmd_labels(args) -> int:
+    root = _root(args)
+    entry = _resolve_entry(args, root)
+    if entry is None:
+        return 2
+
+    # 修改类操作 ------------------------------------------------------------
+    if args.clear:
+        p = entry.labels_path
+        if p.is_file():
+            p.unlink()
+            _ok(f"已删除标签文件 {p}")
+        else:
+            _warn(f"本来就没有标签文件 {p}")
+        return 0
+
+    if args.set is not None and args.set_file:
+        _err("--set 与 --set-file 不能同时用")
+        return 2
+
+    new_names: Optional[Dict[int, str]] = None
+    if args.set is not None:
+        new_names = parse_label_list(args.set)
+        if not new_names:
+            _err("--set 解析不出任何类别名")
+            return 2
+    elif args.set_file:
+        src = Path(args.set_file).expanduser()
+        if not src.is_file():
+            _err(f"标签文件不存在: {src}")
+            return 2
+        new_names = read_label_text_file(src)
+        if not new_names:
+            _err(f"{src} 里没读到任何类别名（一行一个）")
+            return 2
+
+    if new_names is None and args.from_model:
+        # 从模型内嵌 metadata 抄一份出来，目的是"变成可编辑的旁挂文件"。
+        for p in entry.sorted_files():
+            got = None
+            if p.suffix.lower() == ".onnx":
+                from arm_application.model_labels import labels_from_onnx
+
+                got = labels_from_onnx(p)
+            if got is None:
+                got = labels_from_model(p)
+            if got:
+                new_names = got[0]
+                print(f"从 {p.name} 读到 {len(new_names)} 个类别名")
+                break
+        if new_names is None:
+            _err(f"{entry.name} 的模型文件里读不到标签，只能用 --set 手工指定")
+            return 2
+
+    if new_names is not None:
+        dst = write_labels(entry.path(entry.exts[0]) or entry.labels_path, new_names)
+        _ok(f"已写入 {dst}")
+        print(f"   类别({len(new_names)}): {', '.join(new_names[k] for k in sorted(new_names))}")
+        return 0
+
+    # 读取（默认动作）------------------------------------------------------
+    ls = read_labels(entry.path(entry.exts[0]), allow_model_metadata=args.deep) if entry.exts else None
+    if ls is None or ls.is_placeholder:
+        ls = model_labels(entry, deep=args.deep)
+
+    if args.json:
+        print(
+            json.dumps(
+                {
+                    "model": entry.name,
+                    "group": entry.group,
+                    "labels": ls.names,
+                    "source": ls.source,
+                    "source_zh": SOURCE_LABELS_ZH.get(ls.source, ls.source),
+                    "source_file": str(ls.path) if ls.path else None,
+                    "expected_labels_path": str(entry.labels_path),
+                },
+                ensure_ascii=False,
+                indent=2,
+            )
+        )
+        return 0
+
+    print(f"模型: {entry.group}/{entry.name}")
+    print(f"格式: {' '.join(entry.exts) or '—'}")
+    _hr()
+    if ls.is_placeholder:
+        _warn(f"没有标签。{describe(ls)}")
+        print(f"   期望的标签文件位置: {entry.labels_path}")
+        print("   修复方式（三选一）:")
+        print(f"     1) 从模型内嵌 metadata 抄一份出来再改: weights.sh labels {entry.name} --from-model")
+        print(f'     2) 直接指定类别名:                     weights.sh labels {entry.name} --set "工件,通止规"')
+        print(f"     3) 手工创建 {entry.labels_path.name}")
+        return 1
+
+    print(f"标签来源: {SOURCE_LABELS_ZH.get(ls.source, ls.source)}")
+    if ls.path:
+        print(f"来源文件: {ls.path}")
+    _hr()
+    for k in sorted(ls.names):
+        print(f"  {k}: {ls.names[k]}")
+    return 0
+
+
+# ---------------------------------------------------------------------------
+# convert
+# ---------------------------------------------------------------------------
+
+
+def _export_onnx(src: Path, imgsz: int, dst: Path, *, simplify: bool = True) -> Path:
+    """YOLO .pt/.pth → ONNX，直接产出到 ``dst``。
+
+    **关键：先把 .pt 复制到临时目录再导出。**
+    Ultralytics 会把 onnx 写在**源文件旁边**（同名同目录），我们对源 .pt 直接导出时，
+    会把它旁边已有的 ``<同名>.onnx`` 静默覆盖掉 —— 那是用户自己的产物，
+    可能还是不同 imgsz 导出的。更糟的是随后的搬运会把它彻底删掉。
+    实测就发生过：转换 detect_hc90.pt 时，models/yolo/detect_hc90.onnx 被覆盖后又被搬走。
+    在临时目录里导出，源目录一个字节都不会动。
+    """
+    import tempfile
+
+    os.environ.setdefault("YOLO_AUTOINSTALL", "false")
+    from ultralytics import YOLO
+
+    dst.parent.mkdir(parents=True, exist_ok=True)
+    with tempfile.TemporaryDirectory(prefix="weights_export_") as td:
+        work = Path(td) / src.name
+        shutil.copy2(src, work)
+        model = YOLO(str(work))
+        out = Path(
+            str(
+                model.export(
+                    format="onnx",
+                    imgsz=int(imgsz),
+                    device=0,
+                    simplify=simplify,
+                    dynamic=False,
+                )
+            )
+        ).expanduser()
+        if not out.is_file():
+            raise RuntimeError(f"Ultralytics 说导出了 {out}，但文件不存在")
+        # 临时目录马上会被删，所以这里必须是 move。
+        if out.resolve() != dst.resolve():
+            shutil.move(str(out), str(dst))
+    return dst
+
+
+def _build_engine(onnx_src: Path, dst: Path, *, fp16: bool = True, workspace_gb: int = 4) -> Path:
+    """ONNX → TensorRT engine，直接写到 dst。
+
+    这里刻意绕开 Ultralytics 的 engine 导出：它对 .onnx 会按发行包名检查
+    onnxruntime，环境装的是 onnxruntime-gpu 时会触发 pip AutoUpdate（可能卡死）。
+    直接用 TensorRT 的 Python API，行为可控、错误信息也更清楚。
+    """
+    import tensorrt as trt
+
+    logger = trt.Logger(trt.Logger.WARNING)
+    builder = trt.Builder(logger)
+    # TRT 10 里 EXPLICIT_BATCH 已是默认行为，但这个 flag 仍然接受；
+    # 保持和 export_yolo_trt.sh 一致，避免不同版本行为差异。
+    flag = 1 << int(trt.NetworkDefinitionCreationFlag.EXPLICIT_BATCH)
+    network = builder.create_network(flag)
+    parser = trt.OnnxParser(network, logger)
+
+    if not parser.parse(onnx_src.read_bytes()):
+        msgs = [str(parser.get_error(i)) for i in range(parser.num_errors)]
+        raise RuntimeError("ONNX 解析失败:\n  " + "\n  ".join(msgs))
+
+    config = builder.create_builder_config()
+    config.set_memory_pool_limit(trt.MemoryPoolType.WORKSPACE, int(workspace_gb) << 30)
+    if fp16 and builder.platform_has_fast_fp16:
+        config.set_flag(trt.BuilderFlag.FP16)
+
+    serialized = builder.build_serialized_network(network, config)
+    if serialized is None:
+        raise RuntimeError("TensorRT 构建失败（返回空）。可试着 --no-fp16 或换 imgsz。")
+
+    dst.parent.mkdir(parents=True, exist_ok=True)
+    dst.write_bytes(bytes(serialized))
+    return dst
+
+
+def _materialize_labels(src: Path, dest_weights: Path, explicit: Optional[str]) -> Optional[Path]:
+    """转换后把标签落到目标权重旁边。
+
+    这是防止"engine 丢标签"再次发生的**关键一步**：转换时就把标签固化成
+    可编辑的旁挂文件，而不是等到运行时才发现读不到名字。
+
+    优先级：命令行 --labels > 源文件/中间产物的内嵌 metadata。
+    已经有旁挂文件时不覆盖（避免把用户手改的内容冲掉）。
+    """
+    dst_labels = labels_path_for(dest_weights)
+    if dst_labels.is_file():
+        _warn(f"标签文件已存在，保持不变: {dst_labels.name}")
+        return dst_labels
+
+    if explicit:
+        names = parse_label_list(explicit)
+        if names:
+            return write_labels(dest_weights, names)
+
+    for cand in (src, src.with_suffix(".onnx"), dest_weights):
+        if not cand.is_file():
+            continue
+        if cand.suffix.lower() == ".onnx":
+            from arm_application.model_labels import labels_from_onnx
+
+            got = labels_from_onnx(cand)
+        else:
+            got = labels_from_model(cand)
+        if got:
+            _ok(f"标签来自 {cand.name}: {', '.join(got[0][k] for k in sorted(got[0]))}")
+            return write_labels(dest_weights, got[0])
+    return None
+
+
+def cmd_convert(args) -> int:
+    root = _root(args)
+    src = Path(args.input).expanduser()
+    if not src.is_file():
+        # 相对路径优先按**权重目录**解析，而不是当前工作目录。
+        # 否则 `weights.sh convert staging/x.pt` 会去 <cwd>/staging 找，
+        # 而用户心里想的是 models/staging/x.pt —— 报"文件不存在"很费解。
+        cands = []
+        if not src.is_absolute():
+            cands.append(root / args.input)              # models/staging/x.pt
+            cands.append(staging_dir(root) / args.input)  # 只写文件名: models/staging/x.pt
+            cands.append(Path(args.input))               # 退一步：相对 cwd
+        found = next((c for c in cands if c.is_file()), None)
+        if found is None:
+            _err(
+                f"输入文件不存在: {args.input}\n"
+                f"      找过: " + ", ".join(str(c) for c in cands) +
+                f"\n      把待转换的文件放进 {staging_dir(root)} 再试。"
+            )
+            return 2
+        src = found
+
+    name = (args.name or src.stem).strip()
+    bad = validate_name(name)
+    if bad:
+        _err(bad)
+        return 2
+
+    group = args.group
+    chain, _outs = plan_conversion(root, src, name=name, group=group, target=args.to)
+
+    print(f"输入: {src}")
+    print(f"输出: {root / group}/{name}.<ext>")
+    print(f"计划: {chain.describe()}")
+    print(f"尺寸: imgsz={_imgsz(args)}")
+    if args.to != "all":
+        print(f"目标: 只产出 {args.to}")
+
+    in_staging = src.parent.resolve() == staging_dir(root).resolve()
+    # 归位路径会把源文件本身搬到目标去；那种情况下它已经不在 staging 了，
+    # 下面不能再"归档"一次（否则会 FileNotFoundError）。
+    src_consumed = False
+
+    if chain.is_noop:
+        ext = src.suffix.lower().lstrip(".")
+        if ext in WEIGHT_EXTS:
+            dst = canonical_path(root, group, name, ext)
+            if dst.resolve() == src.resolve():
+                _warn(f"{src.name} 已经是最终产物，且就在目标位置，无需处理")
+                return 0
+            print(f"{ext} 无需转换，直接归位 → {dst}")
+            if args.dry_run:
+                return 0
+            dst.parent.mkdir(parents=True, exist_ok=True)
+            # 归位本身就是"移动源文件"。若用户要求保留 staging 原件，
+            # 就改成复制，否则源文件会连同 staging 一起消失。
+            if in_staging and args.keep_staging:
+                shutil.copy2(str(src), str(dst))
+            else:
+                shutil.move(str(src), str(dst))
+                src_consumed = True
+            _ok(f"已归位 {dst}")
+            _materialize_labels(dst, dst, args.labels)
+            if in_staging and not src_consumed:
+                _ok(f"staging 原件保留在 {src}（--keep-staging）")
+            elif in_staging:
+                _ok(f"staging 已清空该文件（它已变成 {dst.name}）")
+            return 0
+        _err(
+            f"不认识的输入格式 '{src.suffix}'。"
+            f"可转换的输入: {', '.join('.' + e for e in CONVERTIBLE_INPUT_EXTS)}；"
+            f"已是最终产物的: .engine/.trt/.plan"
+        )
+        return 2
+
+    if args.dry_run:
+        print("(--dry-run，未实际执行)")
+        return 0
+
+    # 真正执行 --------------------------------------------------------------
+    produced: Dict[str, Path] = {}
+    try:
+        for ext in chain.produce:
+            dst = canonical_path(root, group, name, ext)
+            if dst.exists() and not args.force:
+                raise FileExistsError(f"{dst} 已存在（加 --force 覆盖）")
+            if ext == "onnx":
+                if src.suffix.lower() == ".onnx":
+                    # 源本身就是 onnx：复制而不是移动 —— 用户给的文件不该消失。
+                    dst.parent.mkdir(parents=True, exist_ok=True)
+                    shutil.copy2(str(src), str(dst))
+                else:
+                    _export_onnx(src, _imgsz(args), dst)
+                produced["onnx"] = dst
+                _ok(f"ONNX  → {dst}  ({_mode_of(dst)})")
+            elif ext == "engine":
+                onnx_in = produced.get("onnx") or src
+                _build_engine(onnx_in, dst, fp16=not args.no_fp16)
+                produced["engine"] = dst
+                _ok(f"engine→ {dst}  ({_mode_of(dst)})")
+    except Exception as exc:  # noqa: BLE001
+        _err(f"转换失败: {type(exc).__name__}: {exc}")
+        return 1
+
+    # 标签 ------------------------------------------------------------------
+    anchor = produced.get("onnx") or produced.get("engine") or src
+    lp = _materialize_labels(src, anchor, args.labels)
+    if lp:
+        _ok(f"标签  → {lp}")
+    else:
+        _warn("没有可用的标签（源模型里也没有）。请手动补：")
+        print(f"     bash scripts/weights.sh labels {name} --set \"类别1,类别2\"")
+
+    # staging 收尾 ----------------------------------------------------------
+    if in_staging and not args.keep_staging and not src_consumed:
+        done = staging_dir(root) / "done"
+        done.mkdir(parents=True, exist_ok=True)
+        target = done / src.name
+        # 同名已存在时加个序号，避免静默覆盖上一次的源文件。
+        n = 1
+        while target.exists():
+            target = done / f"{src.stem}.{n}{src.suffix}"
+            n += 1
+        shutil.move(str(src), str(target))
+        _ok(f"已把 staging 里的源文件挪到 {target}（加 --keep-staging 可保留）")
+
+    print()
+    _ok(f"完成。共产出 {len(produced)} 个文件。")
+    print(f"下一步: 把 config/site.yaml 的 paths.yolo_weights 指向 {anchor}")
+    print("        或直接跑 bash scripts/weights.sh list 确认标签读得出来")
+    return 0
+
+
+# ---------------------------------------------------------------------------
+# doctor
+# ---------------------------------------------------------------------------
+
+
+def _read_site_yaml() -> Dict:
+    if _REPO_ROOT is None:
+        return {}
+    p = _REPO_ROOT / "config" / "site.yaml"
+    if not p.is_file():
+        return {}
+    try:
+        import yaml
+
+        return yaml.safe_load(p.read_text(encoding="utf-8")) or {}
+    except Exception:  # noqa: BLE001
+        return {}
+
+
+def _engine_usable(p: Path) -> Optional[str]:
+    """试着反序列化 engine。返回 None 表示可用，否则返回错误摘要。
+
+    引擎和 TensorRT 版本是绑死的：换过 TensorRT 之后旧引擎会直接加载失败。
+    这个检查就是为了把这种"静默失效"提前暴露出来。
+    """
+    try:
+        import tensorrt as trt
+    except Exception as exc:  # noqa: BLE001
+        return f"无法 import tensorrt: {exc}"
+    try:
+        rt = trt.Runtime(trt.Logger(trt.Logger.ERROR))
+        eng = rt.deserialize_cuda_engine(p.read_bytes())
+        if eng is None:
+            return "反序列化返回空（多半是 TensorRT 版本不匹配）"
+        return None
+    except Exception as exc:  # noqa: BLE001
+        msg = str(exc)
+        if "incompatible serialization version" in msg or "magicTag" in msg:
+            return "TensorRT 版本不匹配（需重新导出：weights.sh convert <onnx> --name ...）"
+        return f"{type(exc).__name__}: {msg[:160]}"
+
+
+def cmd_doctor(args) -> int:
+    root = _root(args)
+    problems = 0
+    print(f"权重目录: {root}")
+    _hr("═")
+
+    # 1) 逐模型体检 --------------------------------------------------------
+    entries = discover(root)
+    print(f"[1/4] 模型（{len(entries)} 个）")
+    for e in entries:
+        ls = model_labels(e, deep=args.deep)
+        tag = "OK " if ls.source != SOURCE_PLACEHOLDER else "缺标签"
+        if ls.source == SOURCE_PLACEHOLDER:
+            problems += 1
+        print(f"  [{tag}] {e.group}/{e.name}  格式: {' '.join(e.exts)}")
+        if ls.source == SOURCE_PLACEHOLDER:
+            print(f"          期望: {e.labels_path.name}")
+        # 只有 .pt 没有 onnx/engine 时，two_stage/onnx 后端会用不了
+        if "onnx" not in e.files and any(x in e.files for x in ("engine", "trt")):
+            print("          注意: 只有 engine 没有 onnx，CPU/ORT 后端无处可用")
+
+    # 2) engine 版本 -------------------------------------------------------
+    print()
+    print("[2/4] engine 可用性（TensorRT 版本绑定检查）")
+    engines = [
+        p for e in entries for ext in ("engine", "trt") if (p := e.path(ext)) is not None
+    ]
+    if not engines:
+        print("  (没有 engine)")
+    for p in engines:
+        if args.check_engines:
+            err = _engine_usable(p)
+            if err:
+                problems += 1
+                print(f"  [失效] {p.name}: {err}")
+            else:
+                print(f"  [可用] {p.name}")
+        else:
+            print(f"  [跳过] {p.name}  (加 --check-engines 实测)")
+
+    # 3) 配置引用 ----------------------------------------------------------
+    print()
+    print("[3/4] config/site.yaml 的引用")
+    site = _read_site_yaml()
+    paths = site.get("paths") or {}
+    refs: List[tuple] = []
+    if paths.get("yolo_weights"):
+        refs.append(("paths.yolo_weights", paths["yolo_weights"]))
+    if paths.get("hole_weights"):
+        refs.append(("paths.hole_weights", paths["hole_weights"]))
+    if paths.get("hole_workpiece_weights"):
+        refs.append(("paths.hole_workpiece_weights", paths["hole_workpiece_weights"]))
+    hd = site.get("hole_detect") or {}
+    if hd.get("weights"):
+        refs.append(("hole_detect.weights", hd["weights"]))
+    if hd.get("workpiece_weights"):
+        refs.append(("hole_detect.workpiece_weights", hd["workpiece_weights"]))
+
+    if not refs:
+        print("  (没读到引用)")
+    for key, val in refs:
+        p = Path(str(val)).expanduser()
+        if not p.is_file():
+            if p.suffix == ".pt" and p.with_suffix(".onnx").is_file() is False:
+                problems += 1
+                print(f"  [悬空] {key} → {p}  (文件不存在)")
+            else:
+                problems += 1
+                print(f"  [悬空] {key} → {p}  (文件不存在)")
+            continue
+        ls = read_labels(p, allow_model_metadata=False)
+        origin = SOURCE_LABELS_ZH.get(ls.source, ls.source)
+        print(f"  [OK ] {key} → {p.name}  标签: {origin}")
+        if ls.is_placeholder:
+            problems += 1
+            print(f"         → 该模型读不到标签，运行时类名会变成 class_0")
+
+    backend = (site.get("yolo") or {}).get("backend")
+    if backend == "tensorrt":
+        yw = Path(str(paths.get("yolo_weights") or "")).expanduser()
+        if yw.name and not yw.with_suffix(".engine").is_file():
+            problems += 1
+            print(
+                f"  [风险] yolo.backend=tensorrt 但 {yw.with_suffix('.engine').name} 不存在，"
+                "启动会直接失败"
+            )
+
+    # 4) staging -----------------------------------------------------------
+    print()
+    print("[4/4] staging（待转换）")
+    st = staging_files(root)
+    if not st:
+        print("  (空)")
+    for p in st:
+        ext = p.suffix.lower().lstrip(".")
+        if ext in CONVERTIBLE_INPUT_EXTS:
+            print(f"  [待转换] {p.name}  → weights.sh convert {STAGING_DIRNAME}/{p.name} --name <模型名>")
+        else:
+            print(f"  [需人工] {p.name}  格式 .{ext} 不在支持列表（{', '.join(CONVERTIBLE_INPUT_EXTS)}）")
+
+    _hr("═")
+    if problems:
+        print(f"发现 {problems} 处问题。")
+        return 1
+    print("没有发现问题。")
+    return 0
+
+
+# ---------------------------------------------------------------------------
+# show：把模块约定直接打出来，省得翻文档
+# ---------------------------------------------------------------------------
+
+
+def cmd_show(args) -> int:
+    root = _root(args)
+    print("权重模块约定")
+    _hr()
+    print(f"权重根目录      : {root}")
+    print(f"仓库根          : {_REPO_ROOT or '(未找到)'}")
+    print(f"待转换目录      : {staging_dir(root)}")
+    print(f"标签文件后缀    : {LABELS_SUFFIX}   （<模型名>{LABELS_SUFFIX}，放权重旁边，进 git）")
+    print(f"权重后缀        : {', '.join('.' + e for e in WEIGHT_EXTS)}   （二进制，不进 git）")
+    print(f"已存在的分组    : {', '.join(groups(root)) or '(无)'}")
+    print()
+    print("命令")
+    _hr()
+    print("  weights.sh list [--deep] [--json]")
+    print("  weights.sh labels <模型名> [--group G] [--set a,b,c] [--set-file f.txt]")
+    print("                             [--from-model] [--clear] [--deep] [--json]")
+    print("  weights.sh convert <文件> --name <模型名> [--group yolo] [--to all|onnx|engine]")
+    print("                            [--imgsz 640] [--labels a,b] [--force] [--dry-run]")
+    print("                            [--no-fp16] [--keep-staging]")
+    print("  weights.sh doctor [--deep] [--check-engines]")
+    print()
+    print("标签优先级: 旁挂文件 > ONNX 内嵌 metadata > 模型内嵌 metadata > 占位符(class_0)")
+    return 0
+
+
+# ---------------------------------------------------------------------------
+# main
+# ---------------------------------------------------------------------------
+
+
+def build_parser() -> argparse.ArgumentParser:
+    p = argparse.ArgumentParser(
+        prog="weights.sh",
+        description="模型权重模块：转换（PT→ONNX→TensorRT）、标签读写、列表、自检",
+        formatter_class=argparse.RawDescriptionHelpFormatter,
+        epilog=(
+            "示例:\n"
+            '  weights.sh list\n'
+            '  weights.sh labels detect_best_0\n'
+            '  weights.sh labels detect_best_0 --set "工件,通止规"\n'
+            '  weights.sh convert staging/best_v3.pt --name workpiece\n'
+            '  weights.sh convert models/yolo/detect_best_0.onnx --name detect_best_0 --to engine\n'
+        ),
+    )
+    p.add_argument("--root", help="权重根目录（默认自动探测 models/）")
+    sub = p.add_subparsers(dest="cmd", required=True)
+
+    s = sub.add_parser("list", help="列出所有权重及其标签")
+    s.add_argument("--deep", action="store_true", help="也尝试从 .pt/.engine 自身读标签（慢）")
+    s.add_argument("--json", action="store_true", help="以 JSON 输出")
+    s.set_defaults(func=cmd_list)
+
+    s = sub.add_parser("labels", help="查看/修改模型标签")
+    s.add_argument("model", help="模型名（权重目录里的文件名主干）")
+    s.add_argument("--group", help="限定分组")
+    s.add_argument("--set", help='直接指定类别名，如 "工件,通止规"（改了立刻生效）')
+    s.add_argument("--set-file", dest="set_file", help="从纯文本文件导入（一行一个类名）")
+    s.add_argument("--from-model", dest="from_model", action="store_true",
+                   help="从模型内嵌 metadata 抄一份到旁挂文件（变成可编辑）")
+    s.add_argument("--clear", action="store_true", help="删除旁挂标签文件")
+    s.add_argument("--deep", action="store_true", help="读取时也加载 .pt/.engine 自身")
+    s.add_argument("--json", action="store_true", help="以 JSON 输出")
+    s.set_defaults(func=cmd_labels)
+
+    s = sub.add_parser("convert", help="转换权重并归位")
+    s.add_argument("input", help="输入文件（可以是 staging/ 里的相对名）")
+    s.add_argument("--name", help="输出模型名（默认沿用输入文件名主干）")
+    s.add_argument("--group", default="yolo", help="输出分组子目录（默认 yolo）")
+    s.add_argument("--to", default="all", choices=["all", "onnx", "engine"], help="产出目标")
+    s.add_argument("--imgsz", type=int, help="输入尺寸（默认取 site.yaml 的 yolo.imgsz）")
+    s.add_argument("--labels", help='顺带写标签，如 "工件,通止规"')
+    s.add_argument("--force", action="store_true", help="覆盖已存在的产物")
+    s.add_argument("--no-fp16", dest="no_fp16", action="store_true", help="engine 不用 FP16")
+    s.add_argument("--dry-run", dest="dry_run", action="store_true", help="只打印计划")
+    s.add_argument("--keep-staging", dest="keep_staging", action="store_true",
+                   help="转换后不把 staging 里的源文件挪走")
+    s.set_defaults(func=cmd_convert)
+
+    s = sub.add_parser("doctor", help="自检：缺标签 / 悬空引用 / engine 失效")
+    s.add_argument("--deep", action="store_true", help="也加载 .pt/.engine 读标签")
+    s.add_argument("--check-engines", dest="check_engines", action="store_true",
+                   help="实测反序列化每个 engine（探测 TensorRT 版本不匹配）")
+    s.set_defaults(func=cmd_doctor)
+
+    s = sub.add_parser("show", help="打印模块约定与命令")
+    s.set_defaults(func=cmd_show)
+
+    return p
+
+
+def main(argv: Optional[Sequence[str]] = None) -> int:
+    args = build_parser().parse_args(argv)
+    try:
+        return int(args.func(args))
+    except KeyboardInterrupt:
+        _err("被中断")
+        return 130
+
+
+if __name__ == "__main__":
+    sys.exit(main())

scripts/weights.sh

@@ -0,0 +1,69 @@
+#!/usr/bin/env bash
+# 权重模块的统一入口（薄封装）。
+#
+#   bash ~/ros2/scripts/weights.sh list
+#   bash ~/ros2/scripts/weights.sh labels detect_best_0
+#   bash ~/ros2/scripts/weights.sh labels detect_best_0 --set "工件,通止规"
+#   bash ~/ros2/scripts/weights.sh convert staging/best_v3.pt --name workpiece
+#   bash ~/ros2/scripts/weights.sh doctor --check-engines
+#
+# 本脚本只做三件事：准备环境（ROS + TensorRT 动态库）→ 挑一个能用的 python → 转发。
+# 真正的逻辑在 scripts/weights.py。
+#
+# 完全等价的老命令 export_yolo_trt.sh 仍然可用（它是本脚本的转发壳）。
+
+set -eo pipefail
+ROOT="$(cd "$(dirname "${BASH_SOURCE[0]}")/.." && pwd)"
+
+# 用户显式指定解释器时优先用它；否则试 ros_flexiv。
+# 本模块需要的重依赖（ultralytics / onnx / tensorrt / onnxruntime）都在那里。
+pick_python() {
+  if [[ -n "${WEIGHTS_PY:-}" ]]; then
+    echo "${WEIGHTS_PY}"; return 0
+  fi
+  local cands=(
+    "${HOME}/anaconda3/envs/ros_flexiv/bin/python"
+    "$(command -v python3 || true)"
+  )
+  for c in "${cands[@]}"; do
+    [[ -n "${c}" && -x "${c}" ]] || continue
+    # list/labels/show 只需要 yaml；convert/doctor 才需要 tensorrt。
+    # 这里统一要求 yaml，避免半路才发现解释器不对。
+    if "${c}" -c 'import yaml' >/dev/null 2>&1; then
+      echo "${c}"; return 0
+    fi
+  done
+  return 1
+}
+
+PY="$(pick_python)" || {
+  echo "错误: 找不到可用的 python（需要能 import yaml）。" >&2
+  echo "      可用 WEIGHTS_PY=/path/to/python 指定。" >&2
+  exit 1
+}
+
+# TensorRT 的 pip 版把 .so 放在非标准位置，TensorRT 的 Python API 和运行时都要用。
+# export_yolo_trt.sh 里也是这么做的；这里保持同样做法。
+TRT_LIBS="$("${PY}" - <<'PY' 2>/dev/null || true
+import pathlib
+try:
+    import tensorrt
+except Exception:
+    raise SystemExit(0)
+p = pathlib.Path(tensorrt.__file__).resolve().parent
+cands = [p, p.parent / "tensorrt_libs", p.parent / "nvidia" / "tensorrt" / "lib"]
+print(":".join(str(x) for x in cands if x.exists()))
+PY
+)"
+[[ -n "${TRT_LIBS}" ]] && export LD_LIBRARY_PATH="${TRT_LIBS}${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}"
+
+# 不让 Ultralytics 自己去 pip 装东西（会卡住或破坏环境）。
+export YOLO_AUTOINSTALL=false
+
+# site.yaml 里的 yolo.imgsz 作为 convert 的默认尺寸。
+if [[ -f "${ROOT}/scripts/lib/load_site_config.sh" ]]; then
+  # shellcheck disable=SC1091
+  source "${ROOT}/scripts/lib/load_site_config.sh" >/dev/null 2>&1 || true
+fi
+
+exec "${PY}" "${ROOT}/scripts/weights.py" "$@"

src/arm_application/arm_application/handeye_calibrate.py

@@ -131,7 +131,7 @@ class HandeyeCalibrate(Node):
         self.declare_parameter('pin_hold_sec', 0.45)        # 每拍多长
         self.declare_parameter('skip_unstable_poses', True)
 
-        self.declare_parameter('output_dir', '/tmp/handeye_calib')
+        self.declare_parameter('output_dir', '/home/cc/ros2/handeye/tmp')
         self.declare_parameter('result_file', '')
         self.declare_parameter('cleanup_images', True)
 

src/arm_application/arm_application/handeye_teach.py

@@ -244,7 +244,7 @@ class RdkBridge:
 class HandeyeTeach(Node):
     def __init__(self) -> None:
         super().__init__('handeye_teach')
-        self.declare_parameter('output_dir', '/tmp/handeye_calib')
+        self.declare_parameter('output_dir', '/home/cc/ros2/handeye/tmp')
         self.declare_parameter('width', 1280)
         self.declare_parameter('height', 720)
         self.declare_parameter('fps', 15)

src/arm_application/arm_application/hole_detect_hough.py

@@ -40,10 +40,34 @@ def _fail(
     }
 
 
-def _draw_bbox(img: np.ndarray, bbox: tuple[int, int, int, int], color=(0, 255, 0)) -> None:
+def _draw_bbox(
+    img: np.ndarray,
+    bbox: tuple[int, int, int, int],
+    color=(0, 255, 0),
+    label: str = "",
+) -> None:
+    """画工件框。``label`` 是模型给出的类别名（由标签文件决定）。
+
+    这里刻意**不写死类名**：以前写死了 "gongjian"，但实际模型的类别是
+    "workpiece"，图上的字和模型的类名对不上，排查时会被误导。
+    现在用 ``Detection.cls_name``，也就是 ``weights.sh labels`` 里能读到的那份。
+    """
     x1, y1, x2, y2 = bbox
     cv2.rectangle(img, (x1, y1), (x2, y2), color, 2)
-    cv2.putText(img, "gongjian", (x1, max(20, y1 - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2)
+    text = (label or "").strip()
+    if text:
+        cv2.putText(img, text, (x1, max(20, y1 - 8)), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2)
+
+
+def _best_label(dets) -> str:
+    """取置信度最高那个检测的类名（由标签文件决定）。没有则返回空串。"""
+    if not dets:
+        return ""
+    try:
+        best = max(dets, key=lambda d: float(d.conf))
+    except Exception:  # noqa: BLE001
+        return ""
+    return str(getattr(best, "cls_name", "") or "").strip()
 
 
 def _draw_center_gate(img: np.ndarray, max_dx: float, max_dy: float, ok: bool) -> None:
@@ -332,11 +356,12 @@ def _render_success(
     hole_radii: list[float],
     dist: float,
     gate: tuple[float, float] | None = None,
+    label: str = "",
 ) -> np.ndarray:
     draw_img = image.copy()
     if gate is not None:
         _draw_center_gate(draw_img, gate[0], gate[1], True)
-    _draw_bbox(draw_img, bbox)
+    _draw_bbox(draw_img, bbox, label=label)
     _draw_holes(draw_img, hole_points, hole_radii)
     cv2.putText(
         draw_img,
@@ -391,7 +416,9 @@ def detect_holes(
         if bbox is None:
             return _fail("未检测到工件", draw_img)
 
-        _draw_bbox(draw_img, bbox)
+        # 类别名来自标签文件（见 model_labels / weights.sh labels），不再写死。
+        label = _best_label(dets)
+        _draw_bbox(draw_img, bbox, label=label)
 
         # 1.5) 居中门控：bbox 中心接近画面中心才进入二阶检测。
         # 精对准 k1/k2 时工件会离开画面中心，调用方应 skip_center_gate=True。
@@ -428,13 +455,16 @@ def detect_holes(
                 hole_radii = [float(r1), float(r2)]
                 dist = float(np.hypot(k1[0] - k2[0], k1[1] - k2[1]))
                 gate = (max_dx, max_dy) if bool(cfg.get("center_gate_draw", True)) else None
-                draw_img = _render_success(image, bbox, hole_points, hole_radii, dist, gate=gate)
+                draw_img = _render_success(
+                    image, bbox, hole_points, hole_radii, dist, gate=gate, label=label
+                )
                 return {
                     "status": True,
                     "msg": f"螺纹嵌件对，两孔距离 {dist:.1f}px",
                     "hole_points": hole_points,
                     "hole_radii": hole_radii,
                     "bbox": list(bbox),
+                    "label": label,
                     "draw_img": draw_img,
                 }
         # ---- 退路：原 Hough 老路径 ----
@@ -561,13 +591,14 @@ def detect_holes(
         hole_points = [[x1, y1], [x2, y2]]
         hole_radii = [r1, r2]
         gate = (max_dx, max_dy) if bool(cfg.get("center_gate_draw", True)) else None
-        draw_img = _render_success(image, bbox, hole_points, hole_radii, dist, gate=gate)
+        draw_img = _render_success(image, bbox, hole_points, hole_radii, dist, gate=gate, label=label)
         return {
             "status": True,
             "msg": f"检测成功，两孔距离 {dist:.1f}px",
             "hole_points": hole_points,
             "hole_radii": hole_radii,
             "bbox": list(bbox),
+            "label": label,
             "draw_img": draw_img,
         }
     except Exception as exc:
@@ -675,7 +706,15 @@ class HoleStabilizer:
                     max_dx = float(self.cfg.get("center_max_offset_ratio_x", 0.12)) * iw
                     max_dy = float(self.cfg.get("center_max_offset_ratio_y", 0.12)) * ih
                     gate = (max_dx, max_dy)
-                draw_img = _render_success(image, bbox_draw, self.points, self.radii, dist, gate=gate)
+                draw_img = _render_success(
+                    image,
+                    bbox_draw,
+                    self.points,
+                    self.radii,
+                    dist,
+                    gate=gate,
+                    label=str(result.get("label") or ""),
+                )
 
             held = self.miss > 0
             return {

src/arm_application/arm_application/model_labels.py

@@ -0,0 +1,555 @@
+"""模型类别标签（class names）的统一读写。
+
+## 为什么需要这个模块
+
+推理代码需要把模型输出的**类别索引**（整数 0/1/2…）翻译成**人能看懂的名字**。
+这件事原先没有统一做法，导致同一个模型在不同后端下名字都不一样：
+
+- `.pt`：从 Ultralytics 的 `model.names` 读（来源是 checkpoint 内嵌 metadata）
+- `.onnx`：ONNX 文件里有 `names` metadata，但代码没用，而是**硬编码** `{0: "workpiece"}`
+- `.engine`：**标签直接丢了**
+
+最后一条是本模块存在的主要原因。TensorRT engine 要用 `trt.OnnxParser` 重新构建，
+而**当前安装的 TensorRT（10.13）Python API 根本没有 metadata 读写接口** ——
+`INetworkDefinition` / `IBuilderConfig` / `ICudaEngine` 上都没有任何 metadata 方法。
+所以 engine 构建完就只剩张量，标签无从附着。实测：
+
+    detect_best_0.engine   二进制里搜不到 "workpiece"  → 标签已丢
+    detect_hc90.engine     能搜到 "workpiece"          → 旧版 TRT 建的，且已无法加载
+
+后果很隐蔽：`yolo_detector` 读不到名字时会退化成 `str(cid)`，也就是类名变成字符串
+`"0"`；而预览界面又不绘制类名，所以**没有任何地方看得出标签丢了**。
+
+## 解决办法：旁挂标签文件
+
+在每个权重旁边放一个同名文本文件 `<模型名>.labels.yaml`：
+
+    models/yolo/detect_best_0.onnx
+    models/yolo/detect_best_0.engine
+    models/yolo/detect_best_0.labels.yaml      ← 就是这个
+
+选文本文件而不是想办法塞进 engine，理由有二：
+
+1. **可修改**。标签是配置，不是模型的一部分。塞进 engine 就只能重建 engine 才能改。
+2. **跨格式统一**。engine / onnx / pt 三种格式共用同一份标签，不会出现
+   "换后端名字就变了"。engine 丢标签的问题也一并绕过了。
+
+标签文件是纯文本，进 git（体积小、属于配置）；权重二进制不进 git。
+
+## 读取优先级
+
+    sidecar（旁挂文件） > onnx（ONNX metadata） > model（模型自身 metadata） > placeholder
+
+`read_labels()` 会连**来源**一起返回。这点很重要：调用方可以据此提示
+"标签来自占位符，请补一个 .labels.yaml"，而不是悄悄给出一个错的类名。
+"""
+
+from __future__ import annotations
+
+import re
+from dataclasses import dataclass
+from pathlib import Path
+from typing import Dict, List, Optional, Sequence, Tuple, Union
+
+# 标签文件的扩展名。刻意用双后缀：既能被 *.yaml 工具识别，
+# 又能和模型自身的配置（如果有）区分开。
+LABELS_SUFFIX = ".labels.yaml"
+
+# read_labels() 的来源标记。顺序即优先级（高 → 低）。
+SOURCE_SIDECAR = "sidecar"        # 旁挂 <模型名>.labels.yaml（权威，用户可直接改）
+SOURCE_ONNX = "onnx"              # ONNX 文件内嵌 metadata
+SOURCE_MODEL = "model"            # 模型自身 metadata（Ultralytics 的 .names）
+SOURCE_PLACEHOLDER = "placeholder"  # 都没有 → 占位符 class_0/class_1…
+
+SOURCE_LABELS_ZH = {
+    SOURCE_SIDECAR: "旁挂标签文件",
+    SOURCE_ONNX: "ONNX 内嵌 metadata",
+    SOURCE_MODEL: "模型内嵌 metadata",
+    SOURCE_PLACEHOLDER: "占位符（缺标签）",
+}
+
+
+@dataclass(frozen=True)
+class LabelSet:
+    """一次标签读取的结果。
+
+    ``names`` 是索引 → 名字；``source`` 说明它从哪来（见 SOURCE_* 常量）。
+
+    调用方**应该**检查 ``source``：如果是 ``placeholder``，说明这个模型缺标签，
+    此时给出的是 ``class_0`` 这样的占位名，只适合占位显示，不该当成真名使用。
+    """
+
+    names: Dict[int, str]
+    source: str
+    path: Optional[Path] = None  # 实际读到的文件（placeholder 时为 None）
+
+    @property
+    def is_placeholder(self) -> bool:
+        return self.source == SOURCE_PLACEHOLDER
+
+    def get(self, cid: int, default: Optional[str] = None) -> str:
+        if cid in self.names:
+            return self.names[cid]
+        return default if default is not None else f"class_{cid}"
+
+    def sorted_names(self) -> List[str]:
+        return [self.names[k] for k in sorted(self.names)]
+
+
+# ---------------------------------------------------------------------------
+# 路径
+# ---------------------------------------------------------------------------
+
+
+def labels_path_for(weights: Union[str, Path]) -> Path:
+    """给出权重对应的旁挂标签文件路径。
+
+    只换后缀，目录不变：``models/yolo/detect_best_0.engine`` →
+    ``models/yolo/detect_best_0.labels.yaml``。
+
+    这样无论 ``resolve_weights()`` 最后选中了 .pt/.onnx/.engine 中的哪一个，
+    算出来的标签路径都相同 —— 一份标签服务同一个模型的所有格式。
+    """
+    p = Path(weights).expanduser()
+    # 用 stem 手工拼接，而不是 with_suffix('.labels.yaml')：
+    # 后者对 `a.b.onnx` 这类含点文件名容易踩坑，手工拼没有歧义。
+    return p.parent / (p.stem + LABELS_SUFFIX)
+
+
+# ---------------------------------------------------------------------------
+# 解析：把各种形状的标签定义统一成 {索引: 名字}
+# ---------------------------------------------------------------------------
+
+
+def _clean(text: object) -> str:
+    # None 必须先拦掉：str(None) == "None" 是 truthy 的，
+    # 直接 str() 会让空项变成一个字面量为 "None" 的类名。
+    if text is None:
+        return ""
+    return str(text).strip()
+
+
+def _try_parse_structured(text: str) -> Optional[Dict[int, str]]:
+    """尝试把字符串当成 dict/list 的字面量解析。
+
+    为什么需要：ONNX metadata 里的 ``names`` 存的**不是** JSON，也不是逗号列表，
+    而是 Python 字典的 repr（单引号）：
+
+        "{0: 'workpiece'}"
+
+    Ultralytics 是直接 ``str(names)`` 写进去的，所以 ``json.loads`` 会失败。
+    两种都试一遍（JSON 标准、literal_eval 兜底），都不行才交给逗号解析。
+    ``ast.literal_eval`` 只解析字面量、不执行代码，是安全的。
+    """
+    s = text.strip()
+    if not s:
+        return None
+    import ast
+    import json
+
+    for loader in (json.loads, ast.literal_eval):
+        try:
+            obj = loader(s)
+        except Exception:  # noqa: BLE001
+            continue
+        if isinstance(obj, (dict, list, tuple)):
+            return parse_names_field(obj)
+    return None
+
+
+def _parse_freeform_text(text: str) -> Dict[int, str]:
+    """解析"自由文本"形式的标签内容。
+
+    两种情况要分开，否则会互相吃掉：
+
+    - 一行一个名字（有人把 ``classes.txt`` 直接改名成 ``.labels.yaml``）：
+      ``"a\\nb"`` → ``{0:'a', 1:'b'}``
+    - 单行逗号串：``"a, b"`` → ``{0:'a', 1:'b'}``
+
+    判据是"有没有多行"。只有一行时才按逗号切，
+    否则 ``"a, b"`` 这种文件名里带逗号的写法会被切错。
+    """
+    items = [
+        ln.strip()
+        for ln in text.splitlines()
+        if ln.strip() and not ln.strip().startswith("#")
+    ]
+    if len(items) > 1:
+        return {i: n for i, n in enumerate(items)}
+    return parse_label_list(text)
+
+
+def parse_names_field(value: object) -> Dict[int, str]:
+    """把 YAML/metadata 里的 ``names`` 字段规范成 ``{int: str}``。
+
+    容忍三种写法，因为它们各自都很常见：
+
+    - 字典（Ultralytics data.yaml 的写法）：``{0: workpiece, 1: hole}``
+    - 列表（本模块写出的规范形式，索引即顺序）：``[workpiece, hole]``
+    - 逗号分隔的字符串：``"workpiece, hole"``
+
+    跳过空项但**保留其索引位置**，这样 ``[a, "", c]`` 不会让 c 变成 1 号。
+    无法解析成整数键的字典项会被忽略（不抛异常 —— 标签读不出来不该让程序崩）。
+    """
+    if value is None:
+        return {}
+    if isinstance(value, dict):
+        out: Dict[int, str] = {}
+        for k, v in value.items():
+            try:
+                idx = int(k)
+            except (TypeError, ValueError):
+                continue
+            name = _clean(v)
+            if name:
+                out[idx] = name
+        return out
+    if isinstance(value, (list, tuple)):
+        out = {}
+        for i, v in enumerate(value):
+            name = _clean(v)
+            if name:
+                out[i] = name
+        return out
+    if isinstance(value, str):
+        # 字符串可能是三种东西：dict/list 的字面量（ONNX metadata）、
+        # 逗号列表、或者多行文本。先试结构化的，再退到逗号/多行解析。
+        structured = _try_parse_structured(value)
+        if structured is not None:
+            return structured
+        return _parse_freeform_text(value)
+    return {}
+
+
+def parse_label_list(text: str) -> Dict[int, str]:
+    """解析逗号（或中文逗号、分号）分隔的类别名。
+
+    ``"workpiece, hole"`` → ``{0: 'workpiece', 1: 'hole'}``
+
+    同时兼容 ``"0:workpiece, 1:hole"`` 这种带显式索引的写法，
+    因为用户从别处拷配置过来时经常带着索引。空项被跳过。
+    """
+    if not text or not text.strip():
+        return {}
+    parts = [p for p in re.split(r"[,，;；\n]", text)]
+    out: Dict[int, str] = {}
+    next_idx = 0
+    for raw in parts:
+        item = raw.strip()
+        if not item:
+            continue
+        m = re.match(r"^\s*(\d+)\s*[:：]\s*(.+)$", item)
+        if m:
+            idx = int(m.group(1))
+            name = m.group(2).strip()
+            if name:
+                out[idx] = name
+                next_idx = max(next_idx, idx + 1)
+            continue
+        out[next_idx] = item
+        next_idx += 1
+    return out
+
+
+def read_label_text_file(path: Union[str, Path]) -> Dict[int, str]:
+    """读纯文本标签文件：一行一个类名（YOLO 的 classes.txt 就是这个格式）。
+
+    空行和 ``#`` 开头的注释行被忽略，且**不占索引**。
+    这样用户可以在文件里随意加注释而不破坏索引对应关系。
+    """
+    p = Path(path).expanduser()
+    out: Dict[int, str] = {}
+    idx = 0
+    with p.open("r", encoding="utf-8") as f:
+        for line in f:
+            s = line.strip()
+            if not s or s.startswith("#"):
+                continue
+            out[idx] = s
+            idx += 1
+    return out
+
+
+def placeholder_labels(nc: int) -> Dict[int, str]:
+    """没有标签可用时的占位名。
+
+    刻意用 ``class_0`` 而不是直接回退成字符串形式的数字 ``"0"``：
+    后者和"真的有一个叫 0 的类"无法区分，正是原先难以发现问题所在。
+    ``class_`` 前缀一眼就能看出是没配标签。
+    """
+    n = max(0, int(nc))
+    return {i: f"class_{i}" for i in range(n)}
+
+
+# ---------------------------------------------------------------------------
+# 旁挂标签文件读写
+# ---------------------------------------------------------------------------
+
+
+def format_labels_yaml(names: Dict[int, str], model: Optional[str] = None) -> str:
+    """生成旁挂标签文件的内容（带使用说明的注释头）。
+
+    注释头是刻意保留的：这个文件会被不熟悉的人直接打开编辑，
+    把"第几行 = 第几类"写在文件里比写在文档里有效得多。
+    """
+    lines: List[str] = []
+    lines.append("# 模型类别标签（class names）")
+    lines.append("#")
+    lines.append("# 一个模型对应一份标签，放在权重旁边、同名前缀：")
+    lines.append("#   detect_best_0.engine  ← 权重")
+    lines.append("#   detect_best_0.labels.yaml  ← 本文件")
+    lines.append("#")
+    lines.append("# 写法：names 下面一行一个类名，第 1 行对应类别 0，第 2 行对应类别 1，依次类推。")
+    lines.append("# 改完保存即生效，不需要重新转换模型、也不用重启环境（重跑节点即可）。")
+    lines.append("#")
+    lines.append("# 命令行查看/修改（推荐，不用手改本文件）：")
+    lines.append("#   bash ~/ros2/scripts/weights.sh labels <模型名>")
+    lines.append("#   bash ~/ros2/scripts/weights.sh labels <模型名> --set \"工件,通止规\"")
+    lines.append("")
+    if model:
+        # 记下所属模型，便于发现"标签文件被拷给了另一个模型"这种错配。
+        lines.append(f"model: {model}")
+    lines.append("names:")
+    if names:
+        for k in sorted(names):
+            lines.append(f"  - {names[k]}")
+    else:
+        lines.append("  []")
+    return "\n".join(lines) + "\n"
+
+
+def write_labels(
+    weights: Union[str, Path],
+    names: Dict[int, str],
+    *,
+    path: Optional[Union[str, Path]] = None,
+) -> Path:
+    """把标签写到权重旁边的旁挂文件，返回写入路径。"""
+    dst = Path(path).expanduser() if path else labels_path_for(weights)
+    dst.parent.mkdir(parents=True, exist_ok=True)
+    model = Path(weights).stem
+    dst.write_text(format_labels_yaml(names, model=model), encoding="utf-8")
+    return dst
+
+
+def read_label_file(path: Union[str, Path]) -> Optional[Dict[int, str]]:
+    """读旁挂标签文件。文件不存在或内容为空返回 None（不抛异常）。"""
+    p = Path(path).expanduser()
+    if not p.is_file():
+        return None
+    try:
+        raw = p.read_text(encoding="utf-8")
+    except Exception:  # noqa: BLE001
+        return None
+    try:
+        import yaml
+
+        data = yaml.safe_load(raw)
+    except Exception:  # noqa: BLE001
+        # 文件存在但读不动（语法错、编码错、权限）。返回 None 让调用方按
+        # "没有标签"处理，而不是让整个推理进程崩掉 —— 标签缺失不该是致命的。
+        return None
+
+    if isinstance(data, dict):
+        # 规范形式：names: [...]
+        names = parse_names_field(data.get("names"))
+        if names:
+            return names
+        # 容忍 {0: 'a', 1: 'b'} 这种"顶层直接就是索引字典"的写法（Ultralytics data.yaml）
+        names = {
+            int(k): str(v).strip()
+            for k, v in data.items()
+            if str(k).lstrip("-").isdigit() and str(v).strip()
+        }
+        # 是合法 YAML 字典却读不出类别名 → 就是没有标签。
+        # 这里**不能**再回落到"按行读文件"，否则会把 `names: []` 里的
+        # 'names:' 这几个字当成类名。
+        return names or None
+
+    if isinstance(data, (list, tuple)):
+        return parse_names_field(data) or None
+
+    if isinstance(data, str):
+        # 整个文件就是一个标量 —— 可能是"改名过来的 classes.txt"。
+        # 注意必须用**原始文本**：YAML 会把多行纯标量折成一行
+        # （"a\nb\n" → "a b"），用 data 的话换行已经没了，
+        # "一行一个类名"会被当成一个带空格的长名字。
+        return _parse_freeform_text(raw) or None
+
+    # 空文件 / 只有注释 / 其它标量类型：按行读（能正确处理注释行）。
+    try:
+        return read_label_text_file(p) or None
+    except Exception:  # noqa: BLE001
+        return None
+
+
+def label_file_model(path: Union[str, Path]) -> Optional[str]:
+    """读旁挂标签文件里记录的 ``model:`` 字段（用于发现标签错配）。"""
+    p = Path(path).expanduser()
+    if not p.is_file():
+        return None
+    try:
+        import yaml
+
+        data = yaml.safe_load(p.read_text(encoding="utf-8"))
+    except Exception:  # noqa: BLE001
+        return None
+    if isinstance(data, dict):
+        v = data.get("model")
+        return _clean(v) if v else None
+    return None
+
+
+# ---------------------------------------------------------------------------
+# 从模型自身读标签
+# ---------------------------------------------------------------------------
+
+
+def onnx_metadata(path: Union[str, Path]) -> Dict[str, str]:
+    """读 ONNX 的 ``metadata_props``（全是字符串），读不到返回空字典。
+
+    用 ``load_external_data=False``：只读图结构不读权重，对 38MB 的模型也是毫秒级。
+    Ultralytics 导出时会写入 ``names`` / ``imgsz`` / ``nc`` / ``task`` 等。
+    """
+    p = Path(path).expanduser()
+    if not p.is_file():
+        return {}
+    try:
+        import onnx
+
+        m = onnx.load(str(p), load_external_data=False)
+    except Exception:  # noqa: BLE001
+        return {}
+    return {x.key: x.value for x in m.metadata_props}
+
+
+def labels_from_onnx(path: Union[str, Path]) -> Optional[Tuple[Dict[int, str], int]]:
+    """从 ONNX 的 ``metadata_props`` 读 ``names`` 与类别数 ``nc``。
+
+    返回 ``(names, nc)``；读不到返回 None。
+
+    注意 ``names`` 在 ONNX 里存的是 **Python 字典的 repr 字符串**（单引号），
+    形如 ``"{0: 'workpiece'}"`` —— 不是 JSON。解析细节见 ``parse_names_field``。
+    """
+    meta = onnx_metadata(path)
+    if not meta:
+        return None
+
+    names = parse_names_field(meta.get("names"))
+    nc = 0
+    raw_nc = meta.get("nc")
+    if raw_nc is not None:
+        try:
+            nc = int(str(raw_nc).strip())
+        except (TypeError, ValueError):
+            nc = 0
+    if not nc and names:
+        nc = max(names) + 1
+    return (names, nc) if names else None
+
+
+def labels_from_model(path: Union[str, Path]) -> Optional[Tuple[Dict[int, str], int]]:
+    """从模型自身 metadata 读标签（走 Ultralytics，主要给 .pt 用）。
+
+    对 .engine / .onnx 也能用（Ultralytics 会自己反序列化），但代价高：
+    要加载整个模型。所以 ``read_labels()`` 只在必要时才调它。
+
+    Ultralytics 的 model 对象除了 ``names`` 还有 ``nc``；拿不到 nc 时用 names 推断。
+    """
+    p = Path(path).expanduser()
+    if not p.is_file():
+        return None
+    try:
+        from ultralytics import YOLO
+
+        model = YOLO(str(p), task="detect")
+        raw = getattr(model, "names", None) or {}
+        names = parse_names_field(raw)
+        nc = 0
+        for attr in ("nc",):
+            try:
+                nc = int(getattr(model, attr) or 0)
+            except Exception:  # noqa: BLE001
+                nc = 0
+        if not nc and names:
+            nc = max(names) + 1
+        return (names, nc) if names else None
+    except Exception:  # noqa: BLE001
+        return None
+
+
+# ---------------------------------------------------------------------------
+# 统一入口
+# ---------------------------------------------------------------------------
+
+
+def read_labels(
+    weights: Union[str, Path],
+    *,
+    allow_model_metadata: bool = True,
+    nc_hint: int = 0,
+) -> LabelSet:
+    """按优先级读出一个模型该用的标签。
+
+    优先级：旁挂文件 > ONNX metadata > 模型自身 metadata > 占位符。
+
+    旁挂优先是刻意的：它是用户能直接编辑的那一份，必须覆盖模型内嵌的旧值，
+    否则"我明明改了标签为什么不生效"就会变成一个很难查的问题。
+
+    绝不抛异常。读不到就返回占位符并把原因记在 ``source`` 里，
+    由调用方决定是记一条警告还是直接显示。
+    """
+    p = Path(weights).expanduser()
+
+    side = labels_path_for(p)
+    names = read_label_file(side)
+    if names:
+        return LabelSet(names=names, source=SOURCE_SIDECAR, path=side)
+
+    suffix = p.suffix.lower()
+    # .pt 的标签只可能来自模型自身；.onnx 先看内嵌 metadata（快）；
+    # .engine / .trt 没有可用 metadata（见模块头说明），直接落到占位符或模型加载。
+    if suffix == ".onnx":
+        got = labels_from_onnx(p)
+        if got:
+            return LabelSet(names=got[0], source=SOURCE_ONNX, path=p)
+    elif suffix in (".pt", ".pth"):
+        got = labels_from_model(p)
+        if got:
+            return LabelSet(names=got[0], source=SOURCE_MODEL, path=p)
+
+    if allow_model_metadata and suffix in (".engine", ".trt"):
+        # engine 一般读不到（当前 TRT 没 metadata API），但也别直接放弃：
+        # 若用户是用 Ultralytics 导出的 engine，metadata 可能在。
+        got = labels_from_model(p)
+        if got:
+            return LabelSet(names=got[0], source=SOURCE_MODEL, path=p)
+
+    return LabelSet(names=placeholder_labels(nc_hint), source=SOURCE_PLACEHOLDER, path=None)
+
+
+def describe(labels: LabelSet) -> str:
+    """一句人能看懂的说明，用于日志：``workpiece (来源: 旁挂标签文件)``。"""
+    names = ", ".join(labels.sorted_names()) or "(空)"
+    src = SOURCE_LABELS_ZH.get(labels.source, labels.source)
+    return f"{names}  (来源: {src})"
+
+
+def label_file_status(
+    weights: Union[str, Path],
+) -> Tuple[bool, Optional[Path], Optional[str]]:
+    """检查旁挂标签文件状态，供 doctor 用。
+
+    返回 ``(存在, 路径, 提示)``；``提示`` 为 None 表示没有问题。
+    """
+    p = Path(weights).expanduser()
+    side = labels_path_for(p)
+    if not side.is_file():
+        return False, side, f"缺标签文件：{side.name}"
+    recorded = label_file_model(side)
+    if recorded and Path(weights).stem != recorded:
+        return True, side, (
+            f"标签文件记录的 model 是 '{recorded}'，但当前权重是 "
+            f"'{Path(weights).stem}' —— 可能是拷错了标签文件"
+        )
+    return True, side, None

src/arm_application/arm_application/onnx_workpiece.py

@@ -12,13 +12,22 @@ detect_best_1.onnx 满足（metadata: end2end=True, nms=False）。
 
 from __future__ import annotations
 
+import logging
 from pathlib import Path
 from typing import List, Optional, Union
 
 import numpy as np
 
+from arm_application.model_labels import (
+    SOURCE_MODEL,
+    LabelSet,
+    parse_names_field,
+    read_labels,
+)
 from arm_application.yolo_detector import Detection
 
+logger = logging.getLogger(__name__)
+
 
 class OnnxWorkpieceDetector:
     """给 detect_holes() 用的最小接口：detect(image, conf, iou, imgsz)。"""
@@ -47,7 +56,23 @@ class OnnxWorkpieceDetector:
         self._in_h, self._in_w = int(shape[-2]), int(shape[-1])
         self.conf = float(conf)
         self.imgsz = int(imgsz)
-        self._names = class_names or {0: "workpiece"}
+        # 类别名：显式传入 > 旁挂标签文件 > ONNX 内嵌 metadata > 占位符。
+        # 原先这里是硬编码 {0: "workpiece"}，等于把类名写死在代码里 ——
+        # 换一个多类模型就会展示错误的名字，而且没人改得动。
+        if class_names:
+            names = parse_names_field(class_names)
+            self._labels = LabelSet(names=names, source=SOURCE_MODEL, path=path)
+        else:
+            self._labels = read_labels(path, allow_model_metadata=False)
+            if self._labels.is_placeholder:
+                logger.warning(
+                    "ONNX %s 没有类别标签，将用占位名显示。"
+                    "补法: bash ~/ros2/scripts/weights.sh labels %s --from-model",
+                    path.name,
+                    path.stem,
+                )
+        # 兼容旧属性名，避免外部代码引用时报 AttributeError。
+        self._names = dict(self._labels.names)
 
     def _letterbox(self, img: np.ndarray):
         h, w = img.shape[:2]
@@ -105,7 +130,7 @@ class OnnxWorkpieceDetector:
                     xyxy=xyxy,
                     conf=float(score),
                     cls_id=cid,
-                    cls_name=self._names.get(cid, str(cid)),
+                    cls_name=self._labels.get(cid),
                 )
             )
         dets.sort(key=lambda d: d.conf, reverse=True)

src/arm_application/arm_application/perception_node.py

@@ -74,10 +74,10 @@ class PerceptionNode(Node):
         self.declare_parameter("image_topic", "")
         self.declare_parameter("camera_info_topic", "")
         self.declare_parameter("depth_topic", "/d405/aligned_depth_to_color/image_raw")
-        self.declare_parameter("weights", "/home/cc/ros2/models/yolo/detect_hc90.pt")
+        self.declare_parameter("weights", "/home/cc/ros2/models/yolo/detect_best_0.onnx")
-        self.declare_parameter("conf", 0.12)
+        self.declare_parameter("conf", 0.10)
         self.declare_parameter("iou", 0.45)
-        self.declare_parameter("imgsz", 416)
+        self.declare_parameter("imgsz", 640)
         self.declare_parameter("device", "0")
         self.declare_parameter("min_conf", 0.12)
         self.declare_parameter("vision_hz", 30.0)

src/arm_application/arm_application/weights_layout.py

@@ -0,0 +1,403 @@
+"""权重模块的目录布局、模型发现与标签归属（纯逻辑）。
+
+这个模块刻意**只依赖标准库 + model_labels**，不 import ROS、不 import
+ultralytics/tensorrt。原因：
+
+1. 可以在没有 GPU、没有 ROS 的环境里跑单元测试；
+2. ``scripts/weights.sh`` 这个命令行工具能直接用上，不必先 ``source`` 一整套环境。
+
+真正干重活的转换（PyTorch → ONNX → TensorRT）在 ``scripts/weights.py`` 里，
+那部分才需要 ``ros_flexiv`` 环境和 GPU。
+
+## 目录约定
+
+    models/
+      README.md                ← 模块规则（要改这个模块先读它）
+      staging/                 ← 非标准格式先丢这里，转换工具有序地消费它
+      <分组>/                  ← 例如 yolo/、hole_insert/
+        <模型名>.onnx
+        <模型名>.engine
+        <模型名>.labels.yaml   ← 标签（旁挂，可手改，进 git）
+
+"分组"只是一个子目录名，用来分门别类，没有语义约束。默认 ``yolo``。
+"""
+from __future__ import annotations
+
+from dataclasses import dataclass, field
+from pathlib import Path
+from typing import Dict, List, Optional, Sequence, Tuple, Union
+
+from .model_labels import (
+    SOURCE_MODEL,
+    SOURCE_ONNX,
+    SOURCE_PLACEHOLDER,
+    SOURCE_SIDECAR,
+    LabelSet,
+    label_file_status,
+    labels_path_for,
+    labels_from_model,
+    labels_from_onnx,
+    placeholder_labels,
+    read_label_file,
+)
+
+# 会被当成"权重"的文件后缀（不带点的小写形式）。
+WEIGHT_EXTS: Tuple[str, ...] = (
+    "pt",
+    "pth",
+    "onnx",
+    "engine",
+    "trt",
+    "plan",
+    "tflite",
+)
+
+# 转换工具认识的输入格式。其它格式一律归到 staging 等人工处理。
+# 注意 pth 也收：虽然 Ultralytics 主要用 .pt，但用户手里常是 .pth。
+CONVERTIBLE_INPUT_EXTS: Tuple[str, ...] = ("pt", "pth", "onnx")
+
+# 已经被转换过的产物，重转没有意义。
+FINAL_EXTS: Tuple[str, ...] = ("engine", "trt", "plan")
+
+# 非标准格式/待转换文件放这里。
+STAGING_DIRNAME = "staging"
+
+# 读标签时挑格式的顺序：onnx 有内嵌 metadata 且读取代价极低（毫秒级），
+# 所以排在前面；engine 排最后是因为它很可能什么都没有。
+LABEL_READ_ORDER: Tuple[str, ...] = ("onnx", "pt", "pth", "engine", "trt")
+
+
+# ---------------------------------------------------------------------------
+# 仓库根 / 权重根
+# ---------------------------------------------------------------------------
+
+
+def find_repo_root(start: Optional[Union[str, Path]] = None) -> Optional[Path]:
+    """从 ``start`` 往上找仓库根（以存在 ``config/site.yaml`` 为标志）。
+
+    这样无论代码是从 ``src/`` 直接跑、还是从 ``install/`` 跑，
+    都能定位到同一份 ``models/``，不会出现"两份权重"。
+    """
+    here = Path(start).resolve() if start else Path(__file__).resolve()
+    for cand in [here, *here.parents]:
+        if (cand / "config" / "site.yaml").is_file():
+            return cand
+    return None
+
+
+def default_weights_root() -> Path:
+    """``models/`` 的默认位置。找不到仓库根时退回当前工作目录下的 models/。"""
+    import os
+
+    env = os.environ.get("SITE_WEIGHTS_ROOT")
+    if env:
+        return Path(env).expanduser()
+    root = find_repo_root()
+    if root is not None:
+        return root / "models"
+    return Path.cwd() / "models"
+
+
+# ---------------------------------------------------------------------------
+# 模型条目
+# ---------------------------------------------------------------------------
+
+
+@dataclass
+class ModelEntry:
+    """一个"模型" = 权重目录里同名前缀的一组文件。"""
+
+    group: str
+    name: str
+    files: Dict[str, Path] = field(default_factory=dict)
+
+    @property
+    def dir(self) -> Path:
+        if not self.files:
+            return Path(".")
+        return next(iter(self.files.values())).parent
+
+    @property
+    def labels_path(self) -> Path:
+        return self.dir / (self.name + ".labels.yaml")
+
+    @property
+    def exts(self) -> List[str]:
+        """已存在的格式，按固定顺序返回，保证输出稳定。
+
+        顺序就是转换流水线的顺序：``pt → onnx → engine``（源头 → 中间 → 最终）。
+        这样列表里一眼能看出这个模型走到哪一步了。
+        """
+        order = list(WEIGHT_EXTS)
+        return sorted(self.files, key=lambda e: (order.index(e) if e in order else 99, e))
+
+    def path(self, ext: str) -> Optional[Path]:
+        return self.files.get(ext.lower().lstrip("."))
+
+    def sorted_files(self) -> List[Path]:
+        """按读标签的推荐顺序给出文件列表。"""
+        out: List[Path] = []
+        for ext in LABEL_READ_ORDER:
+            p = self.files.get(ext)
+            if p:
+                out.append(p)
+        for ext in self.exts:
+            p = self.files.get(ext)
+            if p and p not in out:
+                out.append(p)
+        return out
+
+    def missing_of(self, wanted: Sequence[str]) -> List[str]:
+        return [e for e in wanted if e not in self.files]
+
+
+# ---------------------------------------------------------------------------
+# 发现
+# ---------------------------------------------------------------------------
+
+
+def is_staging(path: Path) -> bool:
+    return path.name == STAGING_DIRNAME
+
+
+def groups(root: Union[str, Path]) -> List[str]:
+    """列出所有权重分组目录（跳过 staging 与隐藏目录）。"""
+    r = Path(root)
+    if not r.is_dir():
+        return []
+    return sorted(
+        p.name
+        for p in r.iterdir()
+        if p.is_dir() and not p.name.startswith(".") and not is_staging(p)
+    )
+
+
+def staging_dir(root: Union[str, Path]) -> Path:
+    return Path(root) / STAGING_DIRNAME
+
+
+def staging_files(root: Union[str, Path]) -> List[Path]:
+    """staging 里的待处理文件。
+
+    跳过隐藏文件（``.gitkeep`` 等）和 ``.md`` 说明文档 —— 那些是给人和 git 看的，
+    不是待转换的模型。否则 ``doctor`` 会把 README 报成"格式不支持"。
+    """
+    d = staging_dir(root)
+    if not d.is_dir():
+        return []
+    return sorted(
+        p
+        for p in d.iterdir()
+        if p.is_file() and not p.name.startswith(".") and p.suffix.lower() != ".md"
+    )
+
+
+def discover(root: Optional[Union[str, Path]] = None) -> List[ModelEntry]:
+    """扫描权重根，按"分组 + 模型名"归并出所有模型。
+
+    同名不同格式（m.onnx / m.engine / m.pt）会被合成一个条目 —— 因为它们
+    共用一个模型名、一份标签。``.labels.yaml`` 本身不算权重。
+    """
+    r = Path(root) if root is not None else default_weights_root()
+    out: List[ModelEntry] = []
+    if not r.is_dir():
+        return out
+    for g in groups(r):
+        gdir = r / g
+        by_name: Dict[str, ModelEntry] = {}
+        for p in sorted(gdir.iterdir()):
+            if not p.is_file() or p.name.startswith("."):
+                continue
+            ext = p.suffix.lower().lstrip(".")
+            if ext not in WEIGHT_EXTS:
+                continue
+            # m.labels.yaml 的后缀是 .yaml，不会落进 WEIGHT_EXTS，天然被排除。
+            stem = p.name[: -(len(ext) + 1)]
+            entry = by_name.get(stem)
+            if entry is None:
+                entry = ModelEntry(group=g, name=stem, files={})
+                by_name[stem] = entry
+            entry.files[ext] = p
+        out.extend(by_name.values())
+    return out
+
+
+def find_model(
+    root: Optional[Union[str, Path]] = None,
+    name: str = "",
+    group: Optional[str] = None,
+) -> Optional[ModelEntry]:
+    """按模型名找模型。
+
+    - ``name`` 是完整路径 → 直接按路径构造条目（不要求它在权重目录里）
+    - ``name`` 是 ``分组/模型名`` → 按分组+名字精确查找
+    - ``name`` 是裸名字 → 在所有分组里找同名模型；``group`` 可缩小范围
+
+    裸名字跨分组同名时会优先返回 ``group`` 指定的那个；都没指定就返回找到的第一个，
+    并由调用方提示存在歧义。
+    """
+    p = Path(name).expanduser()
+    if p.suffix and (p.is_file() or p.parent.is_dir() and str(name).count("/")):
+        ext = p.suffix.lower().lstrip(".")
+        if ext in WEIGHT_EXTS:
+            entry = ModelEntry(group=group or p.parent.name, name=p.stem, files={})
+            entry.files[ext] = p
+            return entry
+
+    for e in discover(root):
+        if e.name != name:
+            continue
+        if group and e.group != group:
+            continue
+        return e
+
+    # 裸名字没匹配上，再试 ``分组/模型名``。
+    # ``list`` 的输出里模型是带分组一起显示的，用户照着敲 ``yolo/detect_best``
+    # 非常自然；以前这里会直接报"找不到模型"，而报错又只列出裸名字，很别扭。
+    # 放在裸名字查找之后，是为了不把真正的相对路径（``a/b.onnx``）误判成分组名。
+    if group is None and "/" in name:
+        head, _, tail = name.rpartition("/")
+        if head and tail:
+            return find_model(root, tail, head)
+    return None
+
+
+# ---------------------------------------------------------------------------
+# 标签归属
+# ---------------------------------------------------------------------------
+
+
+def model_labels(entry: ModelEntry, *, deep: bool = False) -> LabelSet:
+    """给出某个模型当前生效的标签，附带来源。
+
+    优先级：旁挂文件 > ONNX 内嵌 > 模型内嵌 > 占位符。
+
+    ``deep=False``（默认）只读旁挂文件和 ONNX metadata —— 都快。
+    ``deep=True`` 才会去加载模型本身（``.pt`` / ``.engine``），
+    代价是要起 Ultralytics、加载权重，秒级，所以默认不开。
+    这样 ``weights.sh list`` 能秒出结果，不因为几个 .pt 卡十几秒。
+    """
+    files = entry.sorted_files()
+    if not files:
+        return LabelSet(names={}, source=SOURCE_PLACEHOLDER, path=None)
+
+    side = label_file_status(files[0])[1]
+    names = read_label_file(side) if side else None
+    if names:
+        return LabelSet(names=names, source=SOURCE_SIDECAR, path=side)
+
+    for p in files:
+        ext = p.suffix.lower().lstrip(".")
+        if ext == "onnx":
+            got = labels_from_onnx(p)
+            if got:
+                return LabelSet(names=got[0], source=SOURCE_ONNX, path=p)
+        elif deep and ext in ("pt", "pth", "engine", "trt", "plan"):
+            # engine 在当前的 TensorRT 下读不到（没有 metadata API），
+            # 但万一用户是拿 Ultralytics 导出的，还是值得试一次。
+            got = labels_from_model(p)
+            if got:
+                return LabelSet(names=got[0], source=SOURCE_MODEL, path=p)
+
+    return LabelSet(names=placeholder_labels(0), source=SOURCE_PLACEHOLDER, path=None)
+
+
+# ---------------------------------------------------------------------------
+# 转换规划
+# ---------------------------------------------------------------------------
+
+
+@dataclass(frozen=True)
+class ConversionChain:
+    """从某个输入格式到目标格式，需要依次产出哪些文件。"""
+
+    source_ext: str
+    target: str
+    produce: Tuple[str, ...]
+
+    @property
+    def is_noop(self) -> bool:
+        return not self.produce
+
+    def describe(self) -> str:
+        if self.is_noop:
+            return f"{self.source_ext} → 无需转换"
+        return f"{self.source_ext} → " + " → ".join(self.produce)
+
+
+def conversion_chain(source_ext: str, target: str = "all") -> ConversionChain:
+    """算出转换链。
+
+    TensorRT 的 engine 只能由 ONNX 构建，所以任何通往 engine 的路都必须
+    先得到 ONNX。这点在这里集中表达，避免调用方各写一遍。
+
+    - ``target="all"``：能产出多少产出多少（.pt → ONNX + engine）
+    - ``target="onnx"``：只要 ONNX（engine 无法反向拆回 ONNX，返回空）
+    - ``target="engine"``：只要 engine（.pt 会顺带产出 ONNX 作为中间产物）
+    """
+    src = source_ext.lower().lstrip(".")
+    tgt = (target or "all").lower().strip()
+    if tgt not in ("all", "onnx", "engine"):
+        raise ValueError(f"未知转换目标: {target}（可选 all/onnx/engine）")
+
+    if src not in CONVERTIBLE_INPUT_EXTS:
+        # 已经是最终产物，或干脆不认识 —— 都交给调用方去报错/跳过。
+        return ConversionChain(src, tgt, ())
+
+    if src in ("pt", "pth"):
+        if tgt == "onnx":
+            return ConversionChain(src, tgt, ("onnx",))
+        # engine 需要 ONNX 做中间产物，两条路都带上它。
+        return ConversionChain(src, tgt, ("onnx", "engine"))
+
+    # src == "onnx"
+    if tgt == "onnx":
+        return ConversionChain(src, tgt, ())
+    return ConversionChain(src, tgt, ("engine",))
+
+
+def canonical_path(root: Union[str, Path], group: str, name: str, ext: str) -> Path:
+    """转换产物该落在哪：``models/<group>/<name>.<ext>``。
+
+    这是"自动改名并归位"的落点。无论输入文件叫什么、放在哪
+    （哪怕在 /tmp 或 staging 里叫 ``best_v3_final(1).pt``），
+    产出都用调用方给的 ``name`` 和 ``group``。
+    """
+    return Path(root) / group / f"{name}.{ext.lstrip('.')}"
+
+
+def validate_name(name: str) -> Optional[str]:
+    """检查模型名是否安全可用作文件名。返回错误信息或 None。"""
+    n = (name or "").strip()
+    if not n:
+        return "模型名不能为空"
+    if n != name:
+        return f"模型名首尾不能有空格: {name!r}"
+    if any(c.isspace() for c in n):
+        # 名字里有空格会让命令行、site.yaml、ROS 参数到处都要加引号，
+        # 早晚有人忘。直接禁掉，改用下划线或短横线。
+        return "模型名不能含有空格（建议用 _ 或 - 代替）"
+    bad = set('/\\:*?"<>|')
+    hit = sorted(bad & set(n))
+    if hit:
+        return f"模型名不能含有这些字符: {''.join(hit)}"
+    if n.startswith("."):
+        return "模型名不能以点开头"
+    if n.endswith(".labels"):
+        return "不要带 .labels 后缀，标签文件会自动生成"
+    return None
+
+
+def plan_conversion(
+    root: Union[str, Path],
+    source: Union[str, Path],
+    *,
+    name: str,
+    group: str = "yolo",
+    target: str = "all",
+) -> Tuple[ConversionChain, List[Path]]:
+    """算出一条完整的转换计划：产出链 + 每个产物的最终落点。"""
+    src = Path(source).expanduser()
+    chain = conversion_chain(src.suffix, target)
+    outs = [canonical_path(root, group, name, ext) for ext in chain.produce]
+    return chain, outs

src/arm_application/arm_application/yolo_detector.py

@@ -4,10 +4,16 @@
 Public: ``resolve_weights``, ``YoloDetector``, ``Detection``, ``pick_best``,
 ``MpYoloDetector``. TensorRT loads the sibling ``.engine`` next to the
 ``.onnx`` / ``.pt`` path when ``backend='tensorrt'``.
+
+类别名（标签）由 ``model_labels`` 统一提供：优先读权重旁边的
+``<模型名>.labels.yaml``（用户可随时手改），其次读模型内嵌 metadata。
+这样做是因为 TensorRT engine 在当前的 TensorRT Python API 下**无法携带标签**，
+只能靠旁挂文件；详见 ``model_labels`` 模块头。
 """
 
 from __future__ import annotations
 
+import logging
 import multiprocessing as mp
 import time
 from dataclasses import dataclass
@@ -16,6 +22,17 @@ from typing import List, Optional, Sequence, Union
 
 import numpy as np
 
+from .model_labels import (
+    SOURCE_PLACEHOLDER,
+    LabelSet,
+    describe,
+    parse_names_field,
+    placeholder_labels,
+    read_labels,
+)
+
+logger = logging.getLogger(__name__)
+
 # Sentinel: worker still on the previous frame — caller must NOT count a miss.
 INFER_BUSY = object()
 
@@ -62,7 +79,7 @@ def resolve_weights(weights: Union[str, Path], backend: str = "auto") -> Path:
             return engine
         raise FileNotFoundError(
             f"TensorRT engine missing: {engine}. "
-            f"Export: bash ~/ros2/scripts/export_yolo_trt.sh"
+            f"Export: bash ~/ros2/scripts/weights.sh convert {p} --name {p.stem}"
         )
     if b == "onnx":
         if onnx.is_file():
@@ -78,6 +95,50 @@ def resolve_weights(weights: Union[str, Path], backend: str = "auto") -> Path:
     return p
 
 
+def resolve_class_labels(path: Union[str, Path], model=None) -> LabelSet:
+    """给出一个权重该用的类别标签（旁挂文件优先）。
+
+    ``model`` 是已经加载好的 Ultralytics 模型对象（可为 None）。顺序：
+
+    1. ``<模型名>.labels.yaml`` —— 用户可编辑的权威来源
+    2. 传入的 ``model.names`` —— 模型内嵌 metadata
+    3. 占位符 ``class_0 / class_1 …``
+
+    第 3 步刻意不用 ``str(cid)``。原先读不到名字时会退化成类名 `"0"`，
+    和"真的有个叫 0 的类"无法区分，标签丢了都看不出来。
+    占位符 + 一条 warning 让这件事在日志里可见。
+    """
+    p = Path(path).expanduser()
+
+    # 先只看旁挂文件（快，不加载模型）：它必须能覆盖模型内嵌的旧值，
+    # 否则"我改了标签为什么不生效"会变成很难查的问题。
+    labels = read_labels(p, allow_model_metadata=False)
+    if not labels.is_placeholder:
+        return labels
+
+    raw = getattr(model, "names", None) if model is not None else None
+    names = parse_names_field(raw or {})
+    if names:
+        from .model_labels import SOURCE_MODEL
+
+        return LabelSet(names=names, source=SOURCE_MODEL, path=p)
+
+    nc = 0
+    try:
+        nc = int(getattr(model, "nc", 0) or 0)
+    except (TypeError, ValueError):
+        nc = 0
+    labels = LabelSet(names=placeholder_labels(nc), source=SOURCE_PLACEHOLDER, path=None)
+    logger.warning(
+        "模型 %s 没有类别标签，暂时用占位名显示。补一个 %s 即可（改完重跑节点生效）。"
+        "命令行: bash ~/ros2/scripts/weights.sh labels %s --from-model",
+        p.name,
+        p.stem + ".labels.yaml",
+        p.stem,
+    )
+    return labels
+
+
 class YoloDetector:
     def __init__(
         self,
@@ -132,8 +193,8 @@ class YoloDetector:
             if class_names
             else None
         )
-        names = getattr(self._model, "names", None) or {}
+        self._labels = resolve_class_labels(path, self._model)
-        self._id_to_name = {int(k): str(v) for k, v in dict(names).items()}
+        self._id_to_name = dict(self._labels.names)
         self._warmed = False
         self._pending = None
 
@@ -209,7 +270,8 @@ class YoloDetector:
         clss = boxes.cls.detach().cpu().numpy().astype(int)
         for i in range(len(xyxy)):
             cid = int(clss[i])
-            name = self._id_to_name.get(cid, str(cid))
+            # 用 LabelSet.get：读不到名字时给 class_N 占位，而不是退化成裸数字 "0"。
+            name = self._labels.get(cid)
             if self.class_ids is not None and cid not in self.class_ids:
                 continue
             if self.class_names is not None and name.lower() not in self.class_names:

src/arm_application/config/perception.yaml

@@ -1,5 +1,9 @@
-# perception_node defaults. Launch overlays ~/ros2/config/site.yaml → yolo: / paths:
+# perception_node 的默认值。launch 会用 ~/ros2/config/site.yaml 的 yolo: / paths: 覆盖。
-# Do not edit this file for day-to-day tuning.
+# 日常调参**不要改这里**，改 site.yaml。
+#
+# 注意：下面 weights / conf / iou / imgsz / device / half_precision / min_conf 这几项
+# 一定被 site.yaml 覆盖，这里只是"没有 site.yaml 时的兜底"。所以它们必须和 site.yaml
+# 保持一致 —— 曾经这里写死 imgsz=416 而实际模型是 640，一旦覆盖失效就会用错尺寸。
 
 perception_node:
   ros__parameters:
@@ -8,13 +12,13 @@ perception_node:
     image_topic: ""
     camera_info_topic: ""
     depth_topic: "/d405/aligned_depth_to_color/image_raw"
-    weights: "/home/cc/ros2/models/yolo/detect_yolo26_gongjian.pt"
+    weights: "/home/cc/ros2/models/yolo/detect_best_0.onnx"
-    conf: 0.35
+    conf: 0.10
     iou: 0.45
-    imgsz: 416
+    imgsz: 640
     device: "0"
     half_precision: true
-    min_conf: 0.35
+    min_conf: 0.12
     vision_hz: 20.0
     z_ref_m: 0.30
     # Large gate + reacquire: fast motion must NOT freeze track

src/arm_application/launch/hole_detect.launch.py

@@ -36,7 +36,7 @@ def _setup(context, *args, **kwargs):
         if backend in ("two_stage", "hough_roi"):
             weights = os.environ.get("SITE_HOLE_WORKPIECE_WEIGHTS") or os.environ.get("SITE_YOLO_WEIGHTS") or ""
         else:
-            weights = os.environ.get("SITE_HOLE_WEIGHTS") or str(root / "models" / "hole_insert" / "best.pt")
+            weights = os.environ.get("SITE_HOLE_WEIGHTS") or str(root / "models" / "hole_insert" / "detect_best_1.onnx")
     return [
         LogInfo(msg=f"[hole_detect] cam={cam} backend={backend} weights={weights} cfg={cfg}"),
         Node(

src/arm_application/setup.py

@@ -5,18 +5,34 @@ from glob import glob
 package_name = 'arm_application'
 
 
+def _existing(paths):
+    """只保留真实存在的常规文件。
+
+    必需：colcon 的 ``build/<pkg>/`` 里放着指向源文件的符号链接，
+    源文件被挪走或删掉之后这些链接就断了。``glob`` / ``os.walk`` 仍会把它们
+    列出来，随后 copy 会报 "doesn't exist or not a regular file"，
+    **整个包构建失败**，而报错信息指向 build/ 下的一个幽灵文件，很难查。
+    这里统一过滤掉。
+    """
+    out = []
+    for p in paths:
+        if os.path.isfile(p):  # 会跟随符号链接，断链返回 False
+            out.append(p)
+    return out
+
+
 def _data_files():
     entries = [
         ('share/ament_index/resource_index/packages', ['resource/' + package_name]),
         ('share/' + package_name, ['package.xml']),
-        (os.path.join('share', package_name, 'launch'), glob('launch/*.py')),
+        (os.path.join('share', package_name, 'launch'), _existing(glob('launch/*.py'))),
-        (os.path.join('share', package_name, 'trajectories'), glob('trajectories/*')),
+        (os.path.join('share', package_name, 'trajectories'), _existing(glob('trajectories/*'))),
     ]
     for root, _dirs, files in os.walk('config'):
-        if not files:
+        srcs = _existing([os.path.join(root, name) for name in files])
+        if not srcs:
             continue
         dest = os.path.join('share', package_name, root)
-        srcs = [os.path.join(root, name) for name in files]
         entries.append((dest, srcs))
     return entries
 

src/arm_application/test/test_model_labels.py

@@ -0,0 +1,479 @@
+"""model_labels 的测试。
+
+刻意**不依赖仓库里那些模型二进制**（`models/**/*.onnx` 都在 .gitignore 里，
+新克隆的仓库根本没有），全部用 tmp_path 自建 fixture。ONNX 用 onnx.helper
+现场造一个最小的，这样"从 ONNX metadata 读标签"这条路径也能被测到。
+"""
+
+from __future__ import annotations
+
+import numpy as np
+import pytest
+import yaml
+
+from arm_application.model_labels import (
+    SOURCE_MODEL,
+    SOURCE_ONNX,
+    SOURCE_PLACEHOLDER,
+    SOURCE_SIDECAR,
+    LabelSet,
+    describe,
+    format_labels_yaml,
+    label_file_model,
+    label_file_status,
+    labels_path_for,
+    parse_label_list,
+    parse_names_field,
+    placeholder_labels,
+    read_label_file,
+    read_label_text_file,
+    read_labels,
+    write_labels,
+)
+
+
+# --------------------------------------------------------------------------
+# fixture 工具
+# --------------------------------------------------------------------------
+
+
+def _make_onnx(path, names_json=None, nc=None, metadata=None):
+    """造一个最小可读的 ONNX，用于测试 metadata 读取。"""
+    import onnx
+    from onnx import TensorProto, helper
+
+    inp = helper.make_tensor_value_info("images", TensorProto.FLOAT, [1, 3, 8, 8])
+    out = helper.make_tensor_value_info("output0", TensorProto.FLOAT, [1, 3, 8, 8])
+    node = helper.make_node("Identity", ["images"], ["output0"])
+    graph = helper.make_graph([node], "g", [inp], [out])
+    model = helper.make_model(graph)
+    model.opset_import[0].version = 13
+    if names_json is not None:
+        model.metadata_props.add(key="names", value=names_json)
+    if nc is not None:
+        model.metadata_props.add(key="nc", value=str(nc))
+    for k, v in (metadata or {}).items():
+        model.metadata_props.add(key=k, value=v)
+    onnx.save(model, str(path))
+    return path
+
+
+def _touch(path):
+    path.parent.mkdir(parents=True, exist_ok=True)
+    path.write_bytes(b"not a real model")
+    return path
+
+
+# --------------------------------------------------------------------------
+# 旁挂路径推导
+# --------------------------------------------------------------------------
+
+
+def test_labels_path_replaces_suffix_only():
+    assert labels_path_for("models/yolo/m.engine") == pytest.approx(
+        labels_path_for("models/yolo/m.engine")
+    )
+    from pathlib import Path
+
+    assert Path(labels_path_for("models/yolo/m.engine")) == Path(
+        "models/yolo/m.labels.yaml"
+    )
+    assert Path(labels_path_for("models/yolo/m.onnx")) == Path("models/yolo/m.labels.yaml")
+    assert Path(labels_path_for("a/b/m.pt")) == Path("a/b/m.labels.yaml")
+
+
+def test_labels_path_same_for_all_formats_of_one_model():
+    """关键契约：同一模型的三种格式必须算出同一个标签文件。
+
+    否则"换后端名字就变了"这个坑会再次出现。
+    """
+    from pathlib import Path
+
+    a = Path(labels_path_for("d/m.pt"))
+    b = Path(labels_path_for("d/m.onnx"))
+    c = Path(labels_path_for("d/m.engine"))
+    assert a == b == c
+
+
+def test_labels_path_handles_dotted_stem():
+    """含点的文件名（a.b.onnx）不能被截成 a.labels.yaml。
+
+    这正是 Path.with_suffix('.labels.yaml') 容易踩的坑，所以手工拼 stem。
+    """
+    from pathlib import Path
+
+    assert Path(labels_path_for("a.b.onnx")) == Path("a.b.labels.yaml")
+
+
+def test_labels_path_without_extension():
+    from pathlib import Path
+
+    assert Path(labels_path_for("models/bare")) == Path("models/bare.labels.yaml")
+
+
+def test_labels_path_expands_user():
+    assert "~" not in str(labels_path_for("~/ros2/models/x.onnx"))
+
+
+# --------------------------------------------------------------------------
+# names 字段解析：三种写法都要吃
+# --------------------------------------------------------------------------
+
+
+def test_parse_names_dict_int_keys():
+    assert parse_names_field({0: "workpiece", 1: "hole"}) == {0: "workpiece", 1: "hole"}
+
+
+def test_parse_names_dict_string_keys():
+    """YAML 里键常常是字符串形式的数字（'0'），必须吃。"""
+    assert parse_names_field({"0": "workpiece", "1": "hole"}) == {
+        0: "workpiece",
+        1: "hole",
+    }
+
+
+def test_parse_names_list_index_is_position():
+    assert parse_names_field(["workpiece", "hole"]) == {0: "workpiece", 1: "hole"}
+
+
+def test_parse_names_list_skips_blank_but_keeps_index():
+    """空项被跳过，但后面的项索引不能因此前移 —— 否则类别就整体错位了。"""
+    assert parse_names_field(["a", "", "c"]) == {0: "a", 2: "c"}
+    assert parse_names_field(["a", None, "c"]) == {0: "a", 2: "c"}
+    assert parse_names_field(["a", "   ", "c"]) == {0: "a", 2: "c"}
+
+
+def test_parse_names_string():
+    assert parse_names_field("workpiece, hole") == {0: "workpiece", 1: "hole"}
+
+
+def test_parse_names_none_and_garbage():
+    assert parse_names_field(None) == {}
+    assert parse_names_field(42) == {}
+    assert parse_names_field({}) == {}
+    assert parse_names_field([]) == {}
+
+
+def test_parse_names_ignores_unparsable_dict_keys():
+    """键不是整数时跳过这一项，而不是抛异常让推理进程崩掉。"""
+    assert parse_names_field({"x": "bad", 0: "good"}) == {0: "good"}
+
+
+def test_parse_names_strips_whitespace():
+    assert parse_names_field(["  workpiece  "]) == {0: "workpiece"}
+
+
+# --------------------------------------------------------------------------
+# 逗号串解析（CLI --set 用）
+# --------------------------------------------------------------------------
+
+
+def test_parse_label_list_ascii_comma():
+    assert parse_label_list("a,b,c") == {0: "a", 1: "b", 2: "c"}
+
+
+def test_parse_label_list_chinese_comma_and_semicolon():
+    assert parse_label_list("工件，通止规") == {0: "工件", 1: "通止规"}
+    assert parse_label_list("a;b") == {0: "a", 1: "b"}
+
+
+def test_parse_label_list_with_explicit_index():
+    """从别处拷配置常带索引，要能认。"""
+    assert parse_label_list("0:workpiece, 5:hole") == {0: "workpiece", 5: "hole"}
+    assert parse_label_list("0：workpiece") == {0: "workpiece"}  # 全角冒号
+
+
+def test_parse_label_list_tolerates_sloppy_input():
+    assert parse_label_list("") == {}
+    assert parse_label_list("   ") == {}
+    assert parse_label_list("a,,b") == {0: "a", 1: "b"}
+    assert parse_label_list(" a , b ") == {0: "a", 1: "b"}
+    assert parse_label_list("a\nb") == {0: "a", 1: "b"}
+
+
+def test_parse_label_list_mixed_forms_stay_ordered():
+    out = parse_label_list("a, 1:b, c")
+    assert out[0] == "a"
+    assert out[1] == "b"
+    assert out[2] == "c"
+
+
+# --------------------------------------------------------------------------
+# 纯文本标签文件（classes.txt 风格）
+# --------------------------------------------------------------------------
+
+
+def test_read_label_text_file_comments_do_not_consume_index(tmp_path):
+    p = tmp_path / "classes.txt"
+    p.write_text("# 这是注释\nworkpiece\n\n# 又一条注释\nhole\n", encoding="utf-8")
+    assert read_label_text_file(p) == {0: "workpiece", 1: "hole"}
+
+
+def test_read_label_text_file_chinese(tmp_path):
+    p = tmp_path / "classes.txt"
+    p.write_text("工件\n通止规\n", encoding="utf-8")
+    assert read_label_text_file(p) == {0: "工件", 1: "通止规"}
+
+
+# --------------------------------------------------------------------------
+# 占位符
+# --------------------------------------------------------------------------
+
+
+def test_placeholder_is_labelled_not_bare_digit():
+    """占位名必须一眼看出是占位，不能退化成裸数字 '0'。
+
+    原先的代码是 _id_to_name.get(cid, str(cid))，也就是类名变成 "0"，
+    和"真的有个叫 0 的类"无法区分 —— 标签丢了都看不出来。
+    """
+    assert placeholder_labels(3) == {0: "class_0", 1: "class_1", 2: "class_2"}
+    assert placeholder_labels(1)[0] == "class_0"
+    assert placeholder_labels(0) == {}
+    assert placeholder_labels(-5) == {}
+
+
+# --------------------------------------------------------------------------
+# 旁挂文件：写 → 读 往返
+# --------------------------------------------------------------------------
+
+
+def test_format_labels_yaml_is_parseable_and_ordered():
+    txt = format_labels_yaml({0: "workpiece", 1: "hole"}, model="m")
+    data = yaml.safe_load(txt)
+    assert data["names"] == ["workpiece", "hole"]
+    assert data["model"] == "m"
+
+
+def test_format_labels_yaml_includes_usage_hint():
+    """注释头是给直接打开文件的人看的，必须存在。"""
+    txt = format_labels_yaml({0: "a"})
+    assert "第 1 行对应类别 0" in txt
+    assert "scripts/weights.sh labels" in txt
+
+
+def test_format_labels_yaml_empty():
+    data = yaml.safe_load(format_labels_yaml({}))
+    assert data["names"] == []
+
+
+def test_write_then_read_round_trip(tmp_path):
+    w = _touch(tmp_path / "detect_best_0.engine")
+    written = write_labels(w, {0: "workpiece", 1: "tongzhigui"})
+    assert written.name == "detect_best_0.labels.yaml"
+    assert read_label_file(written) == {0: "workpiece", 1: "tongzhigui"}
+
+
+def test_write_labels_records_model_name(tmp_path):
+    w = _touch(tmp_path / "abc.onnx")
+    p = write_labels(w, {0: "x"})
+    assert label_file_model(p) == "abc"
+
+
+def test_read_label_file_tolerates_dict_form(tmp_path):
+    """用户可能按 Ultralytics data.yaml 的字典写法手写。"""
+    p = tmp_path / "m.labels.yaml"
+    p.write_text("names:\n  0: a\n  1: b\n", encoding="utf-8")
+    assert read_label_file(p) == {0: "a", 1: "b"}
+
+
+def test_read_label_file_tolerates_comma_string(tmp_path):
+    p = tmp_path / "m.labels.yaml"
+    p.write_text('names: "a, b"\n', encoding="utf-8")
+    assert read_label_file(p) == {0: "a", 1: "b"}
+
+
+def test_read_label_file_tolerates_bare_text_file(tmp_path):
+    """有人直接把手写的 classes.txt 改个名字就用了，也该能读。"""
+    p = tmp_path / "m.labels.yaml"
+    p.write_text("a\nb\n", encoding="utf-8")
+    assert read_label_file(p) == {0: "a", 1: "b"}
+
+
+def test_read_label_file_missing_returns_none(tmp_path):
+    assert read_label_file(tmp_path / "nope.labels.yaml") is None
+
+
+def test_read_label_file_malformed_yaml_returns_none(tmp_path):
+    """文件坏了不该让推理进程崩 —— 退回"没有标签"即可。"""
+    p = tmp_path / "m.labels.yaml"
+    p.write_text("names: [a, b\n  bad: : :\n", encoding="utf-8")
+    assert read_label_file(p) is None
+
+
+def test_read_label_file_empty_names_returns_none(tmp_path):
+    p = tmp_path / "m.labels.yaml"
+    p.write_text("names: []\n", encoding="utf-8")
+    assert read_label_file(p) is None
+
+
+# --------------------------------------------------------------------------
+# 从 ONNX metadata 读
+# --------------------------------------------------------------------------
+
+
+def test_labels_from_onnx_via_read_labels(tmp_path):
+    w = _make_onnx(tmp_path / "m.onnx", names_json="{0: 'workpiece'}", nc=1)
+    ls = read_labels(w)
+    assert ls.names == {0: "workpiece"}
+    assert ls.source == SOURCE_ONNX
+    assert not ls.is_placeholder
+
+
+def test_onnx_multiclass_names(tmp_path):
+    w = _make_onnx(tmp_path / "m.onnx", names_json="{0: 'a', 1: 'b', 2: 'c'}")
+    assert read_labels(w).names == {0: "a", 1: "b", 2: "c"}
+
+
+def test_onnx_without_names_gives_placeholder(tmp_path):
+    w = _make_onnx(tmp_path / "m.onnx")
+    ls = read_labels(w)
+    assert ls.is_placeholder
+    assert ls.path is None
+
+
+# --------------------------------------------------------------------------
+# 优先级：sidecar 必须赢
+# --------------------------------------------------------------------------
+
+
+def test_sidecar_beats_onnx_metadata(tmp_path):
+    """这是本模块最要紧的行为。
+
+    ONNX 里内嵌的是导出时的旧名字。用户改了旁挂文件却看到旧名字，
+    会变成极难排查的问题（"我明明改了为什么不生效"）。
+    """
+    w = _make_onnx(tmp_path / "m.onnx", names_json="{0: 'OLD_NAME'}")
+    assert read_labels(w).names == {0: "OLD_NAME"}
+
+    write_labels(w, {0: "NEW_NAME"})
+    ls = read_labels(w)
+    assert ls.names == {0: "NEW_NAME"}
+
+
+def test_sidecar_beats_placeholder_for_engine(tmp_path):
+    """engine 读不到任何 metadata，旁挂文件是它唯一的标签来源。"""
+    w = _touch(tmp_path / "m.engine")
+    assert read_labels(w).is_placeholder
+
+    write_labels(w, {0: "workpiece"})
+    ls = read_labels(w)
+    assert ls.names == {0: "workpiece"}
+    assert ls.source == SOURCE_SIDECAR
+
+
+def test_sidecar_shared_across_formats_in_same_dir(tmp_path):
+    """.onnx 和 .engine 同名同目录 → 共用一份标签。"""
+    onnx = _make_onnx(tmp_path / "m.onnx", names_json="{0: 'x'}")
+    engine = _touch(tmp_path / "m.engine")
+    write_labels(engine, {0: "shared", 1: "two"})
+
+    assert read_labels(onnx).names == {0: "shared", 1: "two"}
+    assert read_labels(engine).names == {0: "shared", 1: "two"}
+    assert read_labels(onnx).source == SOURCE_SIDECAR
+
+
+def test_engine_without_sidecar_does_not_guess(tmp_path):
+    """engine 缺标签时必须显式报占位符，不能假装知道。"""
+    w = _touch(tmp_path / "m.engine")
+    ls = read_labels(w)
+    assert ls.is_placeholder
+    assert ls.source == SOURCE_PLACEHOLDER
+
+
+def test_read_labels_tolerates_missing_weights_file(tmp_path):
+    """权重不存在也不该崩（由调用方负责检查存在性）。"""
+    ls = read_labels(tmp_path / "ghost.engine")
+    assert isinstance(ls, LabelSet)
+    assert ls.is_placeholder
+
+
+def test_existing_sidecar_wins_even_if_weights_absent(tmp_path):
+    """标签文件独立于权重存在，有权重没权重都能读出来。"""
+    write_labels(tmp_path / "m.engine", {0: "only_labels"})
+    ls = read_labels(tmp_path / "m.engine")
+    assert ls.names == {0: "only_labels"}
+    assert ls.source == SOURCE_SIDECAR
+
+
+# --------------------------------------------------------------------------
+# LabelSet 行为
+# --------------------------------------------------------------------------
+
+
+def test_labelset_get_falls_back_to_placeholder_name():
+    ls = LabelSet(names={0: "a"}, source=SOURCE_SIDECAR)
+    assert ls.get(0) == "a"
+    assert ls.get(7) == "class_7"
+    assert ls.get(7, "unknown") == "unknown"
+
+
+def test_labelset_sorted_names():
+    ls = LabelSet(names={2: "c", 0: "a", 1: "b"}, source=SOURCE_SIDECAR)
+    assert ls.sorted_names() == ["a", "b", "c"]
+
+
+def test_describe_mentions_source_in_chinese():
+    """来源必须出现在日志里 —— 这是"标签丢了"能被发现的关键。"""
+    ls = LabelSet(names={0: "workpiece"}, source=SOURCE_SIDECAR)
+    assert "workpiece" in describe(ls)
+    assert "旁挂标签文件" in describe(ls)
+
+    ls = LabelSet(names={0: "class_0"}, source=SOURCE_PLACEHOLDER)
+    assert "占位符" in describe(ls)
+
+
+def test_describe_handles_empty():
+    assert "(空)" in describe(LabelSet(names={}, source=SOURCE_PLACEHOLDER))
+
+
+# --------------------------------------------------------------------------
+# 错配检测（doctor 用）
+# --------------------------------------------------------------------------
+
+
+def test_label_file_status_reports_missing(tmp_path):
+    exists, path, hint = label_file_status(tmp_path / "m.engine")
+    assert exists is False
+    assert hint is not None and "缺标签文件" in hint
+
+
+def test_label_file_status_ok(tmp_path):
+    w = _touch(tmp_path / "m.engine")
+    write_labels(w, {0: "a"})
+    exists, _path, hint = label_file_status(w)
+    assert exists is True
+    assert hint is None
+
+
+def test_label_file_status_detects_mismatched_copy(tmp_path):
+    """把 A 的标签文件拷给 B —— 这种错配必须被指出来。"""
+    write_labels(tmp_path / "A.onnx", {0: "a"})
+    (tmp_path / "A.labels.yaml").rename(tmp_path / "B.labels.yaml")
+    b = _touch(tmp_path / "B.onnx")
+
+    exists, _path, hint = label_file_status(b)
+    assert exists is True
+    assert hint is not None
+    assert "A" in hint and "B" in hint
+
+
+# --------------------------------------------------------------------------
+# 中文标签（实际会用到的场景）
+# --------------------------------------------------------------------------
+
+
+def test_chinese_labels_round_trip(tmp_path):
+    w = _touch(tmp_path / "m.onnx")
+    write_labels(w, {0: "工件", 1: "通止规"})
+    ls = read_labels(w)
+    assert ls.names == {0: "工件", 1: "通止规"}
+    # 写出的文件必须是 UTF-8，否则中文会乱码
+    txt = labels_path_for(w).read_text(encoding="utf-8")
+    assert "通止规" in txt
+
+
+def test_numpy_int_keys_are_accepted(tmp_path):
+    """调用方从 numpy 结果里拿到的索引可能是 np.int64，不能因此失败。"""
+    w = _touch(tmp_path / "m.onnx")
+    write_labels(w, {np.int64(0): "a", np.int64(1): "b"})
+    assert read_labels(w).names == {0: "a", 1: "b"}

src/arm_application/test/test_weights_layout.py

@@ -0,0 +1,754 @@
+"""weights_layout / weights.sh CLI 的测试。
+
+全部用 tmp_path 自建目录，不依赖仓库里真实的模型二进制
+（`models/**/*.onnx` 都在 .gitignore，新克隆的仓库没有）。
+
+需要 GPU 的 ONNX→engine 构建**不在这里测** —— 那条链路由一次性的
+端到端验证覆盖（见 models/README.md）。
+"""
+
+from __future__ import annotations
+
+import importlib.util
+from pathlib import Path
+
+import pytest
+
+from arm_application.model_labels import (
+    SOURCE_ONNX,
+    SOURCE_PLACEHOLDER,
+    SOURCE_SIDECAR,
+    write_labels,
+)
+from arm_application.weights_layout import (
+    STAGING_DIRNAME,
+    ModelEntry,
+    canonical_path,
+    conversion_chain,
+    default_weights_root,
+    discover,
+    find_model,
+    find_repo_root,
+    groups,
+    model_labels,
+    plan_conversion,
+    staging_files,
+    validate_name,
+)
+
+REPO = Path(__file__).resolve().parents[3]
+
+
+# --------------------------------------------------------------------------
+# 工具
+# --------------------------------------------------------------------------
+
+
+def _make_onnx(path: Path, names_json: str | None = None) -> Path:
+    import onnx
+    from onnx import TensorProto, helper
+
+    inp = helper.make_tensor_value_info("images", TensorProto.FLOAT, [1, 3, 8, 8])
+    out = helper.make_tensor_value_info("output0", TensorProto.FLOAT, [1, 3, 8, 8])
+    node = helper.make_node("Identity", ["images"], ["output0"])
+    graph = helper.make_graph([node], "g", [inp], [out])
+    model = helper.make_model(graph)
+    model.opset_import[0].version = 13
+    if names_json is not None:
+        model.metadata_props.add(key="names", value=names_json)
+    path.parent.mkdir(parents=True, exist_ok=True)
+    onnx.save(model, str(path))
+    return path
+
+
+def _touch(path: Path, data: bytes = b"x") -> Path:
+    path.parent.mkdir(parents=True, exist_ok=True)
+    path.write_bytes(data)
+    return path
+
+
+def _load_cli():
+    """把 scripts/weights.py 当普通模块加载（它自己会修好 sys.path）。"""
+    spec = importlib.util.spec_from_file_location("weights_cli", REPO / "scripts" / "weights.py")
+    assert spec and spec.loader
+    mod = importlib.util.module_from_spec(spec)
+    spec.loader.exec_module(mod)
+    return mod
+
+
+# --------------------------------------------------------------------------
+# 转换链
+# --------------------------------------------------------------------------
+
+
+def test_chain_pt_to_all_goes_through_onnx():
+    """engine 只能由 ONNX 构建，所以 pt→engine 必须先把 onnx 造出来。"""
+    c = conversion_chain(".pt", "all")
+    assert c.produce == ("onnx", "engine")
+    assert not c.is_noop
+
+
+def test_chain_pt_to_onnx_only():
+    assert conversion_chain(".pt", "onnx").produce == ("onnx",)
+
+
+def test_chain_pt_to_engine_still_produces_onnx_intermediate():
+    assert conversion_chain(".pt", "engine").produce == ("onnx", "engine")
+
+
+def test_chain_onnx_to_engine():
+    assert conversion_chain(".onnx", "all").produce == ("engine",)
+    assert conversion_chain(".onnx", "engine").produce == ("engine",)
+
+
+def test_chain_onnx_to_onnx_is_noop():
+    assert conversion_chain(".onnx", "onnx").is_noop
+
+
+def test_chain_engine_is_noop():
+    """engine 无法反向拆回 ONNX，任何目标都是 noop。"""
+    for tgt in ("all", "onnx", "engine"):
+        assert conversion_chain(".engine", tgt).is_noop
+
+
+def test_chain_ext_case_and_dot_insensitive():
+    assert conversion_chain("PT", "all").produce == ("onnx", "engine")
+    assert conversion_chain(".PT", "all").produce == ("onnx", "engine")
+
+
+def test_chain_rejects_unknown_target():
+    with pytest.raises(ValueError):
+        conversion_chain(".pt", "tflite")
+
+
+def test_chain_describe_is_human_readable():
+    assert "onnx" in conversion_chain(".pt", "all").describe()
+    assert "无需转换" in conversion_chain(".engine", "all").describe()
+
+
+def test_chain_pth_treated_like_pt():
+    assert conversion_chain(".pth", "all").produce == ("onnx", "engine")
+
+
+# --------------------------------------------------------------------------
+# 命名与归位
+# --------------------------------------------------------------------------
+
+
+def test_canonical_path_shape():
+    p = canonical_path("/m", "yolo", "workpiece", ".engine")
+    assert str(p) == "/m/yolo/workpiece.engine"
+    # 带不带点都一样
+    assert canonical_path("/m", "yolo", "workpiece", "engine") == p
+
+
+def test_canonical_path_is_what_makes_rename_automatic():
+    """这是"自动改名并归位"的落点：输入名再乱，产出都用调用方给的 name。"""
+    p = canonical_path("/m", "yolo", "workpiece", "onnx")
+    assert p.name == "workpiece.onnx"
+
+
+@pytest.mark.parametrize(
+    "bad",
+    ["", "   ", "a b", "a/b", "a\\b", "a:b", "a*b", "a?b", "a<b", "a>b", "a|b", ".hidden", "x.labels"],
+)
+def test_validate_name_rejects_unsafe(bad):
+    assert validate_name(bad) is not None
+
+
+@pytest.mark.parametrize("good", ["workpiece", "detect_best_0", "工件", "a-b_c.1", "m2"])
+def test_validate_name_accepts_reasonable(good):
+    assert validate_name(good) is None
+
+
+def test_validate_name_reports_specific_reason():
+    assert "不能为空" in validate_name("")
+    assert "/" in validate_name("a/b")
+    assert "点开头" in validate_name(".x")
+
+
+# --------------------------------------------------------------------------
+# 发现 / 归组
+# --------------------------------------------------------------------------
+
+
+def test_discover_merges_formats_of_same_stem(tmp_path):
+    """同名不同格式必须合成一个模型 —— 它们共用一份标签。"""
+    _touch(tmp_path / "yolo" / "m.onnx")
+    _touch(tmp_path / "yolo" / "m.engine")
+    _touch(tmp_path / "yolo" / "m.pt")
+    entries = discover(tmp_path)
+    assert len(entries) == 1
+    assert entries[0].name == "m"
+    assert set(entries[0].exts) == {"onnx", "engine", "pt"}
+
+
+def test_discover_does_not_treat_labels_file_as_weight(tmp_path):
+    """m.labels.yaml 的后缀是 .yaml，不能变成第四个格式。"""
+    _touch(tmp_path / "yolo" / "m.onnx")
+    (tmp_path / "yolo" / "m.labels.yaml").write_text("names:\n  - a\n", encoding="utf-8")
+    e = discover(tmp_path)[0]
+    assert e.exts == ["onnx"]
+
+
+def test_discover_skips_staging_and_hidden(tmp_path):
+    _touch(tmp_path / "yolo" / "m.onnx")
+    _touch(tmp_path / STAGING_DIRNAME / "raw.pt")
+    _touch(tmp_path / ".hidden" / "x.onnx")
+    names = {e.name for e in discover(tmp_path)}
+    assert names == {"m"}
+
+
+def test_discover_skips_gitkeep_and_hidden_files(tmp_path):
+    _touch(tmp_path / "yolo" / ".gitkeep", b"")
+    _touch(tmp_path / "yolo" / "m.onnx")
+    assert {e.name for e in discover(tmp_path)} == {"m"}
+
+
+def test_discover_empty_and_missing_root(tmp_path):
+    assert discover(tmp_path) == []
+    assert discover(tmp_path / "nope") == []
+
+
+def test_discover_handles_dotted_model_name(tmp_path):
+    """名字里带点（m.v2.onnx）不能被截断成 m。"""
+    _touch(tmp_path / "yolo" / "m.v2.onnx")
+    assert discover(tmp_path)[0].name == "m.v2"
+
+
+def test_discover_ext_order_follows_pipeline(tmp_path):
+    """显示顺序 = 转换流水线顺序 pt → onnx → engine，一眼看出走到哪步。"""
+    _touch(tmp_path / "yolo" / "m.pt")
+    _touch(tmp_path / "yolo" / "m.onnx")
+    _touch(tmp_path / "yolo" / "m.engine")
+    assert discover(tmp_path)[0].exts == ["pt", "onnx", "engine"]
+
+
+def test_groups_lists_subdirs_excluding_staging(tmp_path):
+    _touch(tmp_path / "yolo" / "a.onnx")
+    _touch(tmp_path / "hole_insert" / "b.onnx")
+    _touch(tmp_path / STAGING_DIRNAME / "x.pt")
+    assert groups(tmp_path) == ["hole_insert", "yolo"]
+
+
+def test_missing_of_reports_absent_formats(tmp_path):
+    _touch(tmp_path / "yolo" / "m.onnx")
+    e = discover(tmp_path)[0]
+    assert e.missing_of(["onnx", "engine"]) == ["engine"]
+
+
+# --------------------------------------------------------------------------
+# 查找
+# --------------------------------------------------------------------------
+
+
+def test_find_model_by_bare_name(tmp_path):
+    _touch(tmp_path / "yolo" / "m.onnx")
+    e = find_model(tmp_path, "m")
+    assert e is not None and e.name == "m" and e.group == "yolo"
+
+
+def test_find_model_group_filter(tmp_path):
+    _touch(tmp_path / "yolo" / "m.onnx")
+    _touch(tmp_path / "other" / "m.onnx")
+    assert find_model(tmp_path, "m", "other").group == "other"
+
+
+def test_find_model_missing_returns_none(tmp_path):
+    _touch(tmp_path / "yolo" / "m.onnx")
+    assert find_model(tmp_path, "nope") is None
+
+
+def test_find_model_accepts_group_slash_name(tmp_path):
+    """``list`` 里模型是带分组显示的，用户会照着敲 "yolo/m"。"""
+    _touch(tmp_path / "yolo" / "m.onnx")
+    e = find_model(tmp_path, "yolo/m")
+    assert e is not None and e.name == "m" and e.group == "yolo"
+
+
+def test_find_model_group_slash_name_picks_right_group(tmp_path):
+    """分组/名字写法要能区分跨分组同名模型。"""
+    _touch(tmp_path / "yolo" / "m.onnx")
+    _touch(tmp_path / "hole_insert" / "m.onnx")
+    assert find_model(tmp_path, "hole_insert/m").group == "hole_insert"
+    assert find_model(tmp_path, "yolo/m").group == "yolo"
+
+
+def test_find_model_group_slash_name_wrong_group_returns_none(tmp_path):
+    _touch(tmp_path / "yolo" / "m.onnx")
+    assert find_model(tmp_path, "nosuchgroup/m") is None
+
+
+def test_find_model_bare_name_still_wins_over_slash_form(tmp_path):
+    """裸名字查找优先，别把相对路径误判成分组名。"""
+    _touch(tmp_path / "yolo" / "m.onnx")
+    assert find_model(tmp_path, "m").group == "yolo"
+
+
+def test_find_model_accepts_direct_path(tmp_path):
+    """用户直接给文件路径时也要能用。"""
+    w = _make_onnx(tmp_path / "elsewhere" / "custom.onnx", "{0: 'z'}")
+    e = find_model(tmp_path, str(w))
+    assert e is not None and e.name == "custom"
+
+
+# --------------------------------------------------------------------------
+# staging
+# --------------------------------------------------------------------------
+
+
+def test_staging_files_skips_gitkeep(tmp_path):
+    (tmp_path / STAGING_DIRNAME).mkdir(parents=True)
+    _touch(tmp_path / STAGING_DIRNAME / ".gitkeep", b"")
+    _touch(tmp_path / STAGING_DIRNAME / "raw.pt")
+    _touch(tmp_path / STAGING_DIRNAME / "other.onnx")
+    assert {p.name for p in staging_files(tmp_path)} == {"raw.pt", "other.onnx"}
+
+
+def test_staging_files_skips_readme(tmp_path):
+    """staging 里的说明文档不是待转换文件，不能报成"格式不支持"。"""
+    (tmp_path / STAGING_DIRNAME).mkdir(parents=True)
+    (tmp_path / STAGING_DIRNAME / "README.md").write_text("hi", encoding="utf-8")
+    _touch(tmp_path / STAGING_DIRNAME / "raw.pt")
+    assert {p.name for p in staging_files(tmp_path)} == {"raw.pt"}
+
+
+def test_staging_files_missing_dir(tmp_path):
+    assert staging_files(tmp_path) == []
+
+
+# --------------------------------------------------------------------------
+# 标签归属（weights_layout.model_labels）
+# --------------------------------------------------------------------------
+
+
+def test_model_labels_sidecar_wins_over_onnx(tmp_path):
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'OLD'}")
+    e = discover(tmp_path)[0]
+    assert model_labels(e).names == {0: "OLD"}
+
+    write_labels(e.path("onnx"), {0: "NEW"})
+    ls = model_labels(e)
+    assert ls.names == {0: "NEW"}
+    assert ls.source == SOURCE_SIDECAR
+
+
+def test_model_labels_reads_onnx_metadata(tmp_path):
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'workpiece', 1: 'hole'}")
+    ls = model_labels(discover(tmp_path)[0])
+    assert ls.names == {0: "workpiece", 1: "hole"}
+    assert ls.source == SOURCE_ONNX
+
+
+def test_model_labels_engine_without_sidecar_is_placeholder(tmp_path):
+    """engine 丢了标签时必须显式报占位符，不能假装知道。"""
+    _touch(tmp_path / "yolo" / "m.engine")
+    ls = model_labels(discover(tmp_path)[0])
+    assert ls.is_placeholder
+    assert ls.source == SOURCE_PLACEHOLDER
+
+
+def test_model_labels_pt_needs_deep(tmp_path):
+    """默认不加载 .pt（慢），所以只给占位符；--deep 才会去读。"""
+    _touch(tmp_path / "yolo" / "m.pt")
+    e = discover(tmp_path)[0]
+    assert model_labels(e, deep=False).is_placeholder
+
+
+def test_model_labels_sidecar_shared_across_formats(tmp_path):
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'x'}")
+    _touch(tmp_path / "yolo" / "m.engine")
+    e = discover(tmp_path)[0]
+    write_labels(e.path("engine"), {0: "shared"})
+    ls = model_labels(e)
+    assert ls.names == {0: "shared"}
+    assert ls.source == SOURCE_SIDECAR
+
+
+def test_model_labels_empty_entry():
+    ls = model_labels(ModelEntry(group="g", name="n", files={}))
+    assert ls.is_placeholder
+
+
+# --------------------------------------------------------------------------
+# 仓库根探测
+# --------------------------------------------------------------------------
+
+
+def test_find_repo_root_walks_up(tmp_path):
+    (tmp_path / "config").mkdir()
+    (tmp_path / "config" / "site.yaml").write_text("a: 1\n", encoding="utf-8")
+    deep = tmp_path / "a" / "b" / "c"
+    deep.mkdir(parents=True)
+    assert find_repo_root(deep) == tmp_path.resolve()
+
+
+def test_find_repo_root_returns_none_when_absent(tmp_path):
+    deep = tmp_path / "x" / "y"
+    deep.mkdir(parents=True)
+    assert find_repo_root(deep) is None
+
+
+def test_default_weights_root_honours_env(tmp_path, monkeypatch):
+    monkeypatch.setenv("SITE_WEIGHTS_ROOT", str(tmp_path / "w"))
+    assert default_weights_root() == tmp_path / "w"
+
+
+def test_plan_conversion_returns_chain_and_targets(tmp_path):
+    src = _touch(tmp_path / "in.pt")
+    chain, outs = plan_conversion(tmp_path, src, name="m", group="g")
+    assert chain.produce == ("onnx", "engine")
+    assert [p.name for p in outs] == ["m.onnx", "m.engine"]
+    assert all(p.parent == tmp_path / "g" for p in outs)
+
+
+# --------------------------------------------------------------------------
+# CLI：list / labels
+# --------------------------------------------------------------------------
+
+
+def test_cli_list_empty_root(tmp_path, capsys):
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "list"]) == 0
+    assert "没找到" in capsys.readouterr().out
+
+
+def test_cli_list_shows_models_and_missing_labels(tmp_path, capsys):
+    _make_onnx(tmp_path / "yolo" / "good.onnx", "{0: 'workpiece'}")
+    _touch(tmp_path / "yolo" / "bad.engine")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "list"]) == 0
+    out = capsys.readouterr().out
+    assert "good" in out and "bad" in out
+    assert "workpiece" in out
+    assert "缺标签" in out
+    assert "2 个模型" in out
+
+
+def test_cli_list_json_is_machine_readable(tmp_path, capsys):
+    import json
+
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'workpiece'}")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "list", "--json"]) == 0
+    data = json.loads(capsys.readouterr().out)
+    assert data[0]["name"] == "m"
+    assert data[0]["labels"] == {"0": "workpiece"}
+    assert data[0]["labels_source"] == SOURCE_ONNX
+
+
+def test_cli_labels_read(tmp_path, capsys):
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'workpiece'}")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "labels", "m"]) == 0
+    out = capsys.readouterr().out
+    assert "workpiece" in out
+    assert "ONNX 内嵌 metadata" in out
+
+
+def test_cli_labels_set_writes_and_reads_back(tmp_path, capsys):
+    """核心可用性：改了标签，下一次读就是新的。"""
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'OLD'}")
+    cli = _load_cli()
+
+    assert cli.main(["--root", str(tmp_path), "labels", "m", "--set", "工件,通止规"]) == 0
+    capsys.readouterr()
+
+    assert cli.main(["--root", str(tmp_path), "labels", "m"]) == 0
+    out = capsys.readouterr().out
+    assert "工件" in out and "通止规" in out
+    assert "旁挂标签文件" in out
+    assert "OLD" not in out
+
+
+def test_cli_labels_set_file(tmp_path, capsys):
+    _touch(tmp_path / "yolo" / "m.engine")
+    f = tmp_path / "classes.txt"
+    f.write_text("# 注释\n工件\n通止规\n", encoding="utf-8")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "labels", "m", "--set-file", str(f)]) == 0
+    capsys.readouterr()
+    assert cli.main(["--root", str(tmp_path), "labels", "m", "--json"]) == 0
+    import json
+
+    data = json.loads(capsys.readouterr().out)
+    assert data["labels"] == {"0": "工件", "1": "通止规"}
+
+
+def test_cli_labels_from_model_materializes_file(tmp_path, capsys):
+    """--from-model 把内嵌标签抄成可编辑文件，这是 engine 补标签的路子。"""
+    _make_onnx(tmp_path / "yolo" / "m.onnx", "{0: 'workpiece'}")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "labels", "m", "--from-model"]) == 0
+    assert (tmp_path / "yolo" / "m.labels.yaml").is_file()
+    assert "已写入" in capsys.readouterr().out
+
+
+def test_cli_labels_clear(tmp_path, capsys):
+    _touch(tmp_path / "yolo" / "m.engine")
+    cli = _load_cli()
+    cli.main(["--root", str(tmp_path), "labels", "m", "--set", "a"])
+    capsys.readouterr()
+    assert cli.main(["--root", str(tmp_path), "labels", "m", "--clear"]) == 0
+    assert not (tmp_path / "yolo" / "m.labels.yaml").exists()
+
+
+def test_cli_labels_unknown_model_exit2(tmp_path, capsys):
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "labels", "ghost"]) == 2
+    assert "找不到模型" in capsys.readouterr().err
+
+
+def test_cli_labels_set_and_setfile_conflict(tmp_path, capsys):
+    _touch(tmp_path / "yolo" / "m.engine")
+    cli = _load_cli()
+    rc = cli.main(["--root", str(tmp_path), "labels", "m", "--set", "a", "--set-file", "x.txt"])
+    assert rc == 2
+    assert "不能同时" in capsys.readouterr().err
+
+
+def test_cli_labels_missing_model_reports_placeholder(tmp_path, capsys):
+    _touch(tmp_path / "yolo" / "m.engine")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "labels", "m"]) == 1
+    out = capsys.readouterr().out
+    assert "没有标签" in out
+    assert "--from-model" in out  # 必须给出修复办法
+
+
+def test_cli_labels_json_exposes_source_file(tmp_path, capsys):
+    import json
+
+    _touch(tmp_path / "yolo" / "m.engine")
+    cli = _load_cli()
+    cli.main(["--root", str(tmp_path), "labels", "m", "--set", "a"])
+    capsys.readouterr()
+    cli.main(["--root", str(tmp_path), "labels", "m", "--json"])
+    data = json.loads(capsys.readouterr().out)
+    assert data["source"] == SOURCE_SIDECAR
+    assert data["source_file"].endswith("m.labels.yaml")
+    assert data["expected_labels_path"].endswith("m.labels.yaml")
+
+
+# --------------------------------------------------------------------------
+# CLI：convert（不需要 GPU 的路径）
+# --------------------------------------------------------------------------
+
+
+def test_cli_convert_dry_run_does_not_create_files(tmp_path, capsys):
+    _touch(tmp_path / "in.pt")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "convert", "in.pt", "--name", "m", "--dry-run"]) == 0
+    out = capsys.readouterr().out
+    assert "onnx" in out and "engine" in out
+    assert not (tmp_path / "yolo" / "m.onnx").exists()
+    assert not (tmp_path / "yolo" / "m.engine").exists()
+
+
+def test_cli_convert_engine_input_just_relocates(tmp_path, capsys):
+    """已是最终产物 → 不改名转换，直接归位（不需要 GPU）。"""
+    _touch(tmp_path / "staging" / "raw_engine.engine", b"ENGINE")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "convert", "raw_engine.engine", "--name", "myengine"]) == 0
+    dst = tmp_path / "yolo" / "myengine.engine"
+    assert dst.is_file()
+    assert dst.read_bytes() == b"ENGINE"
+
+
+def test_cli_convert_engine_from_staging_is_consumed(tmp_path, capsys):
+    """归位路径：staging 里的 engine 直接变成模型文件。
+
+    这种情况没有"额外产物"要归档 —— 源文件本身就是产出，
+    所以 staging 变干净，且不该去动 done/（否则会移动两次而报错）。
+    """
+    _touch(tmp_path / "staging" / "raw.engine", b"E")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "convert", "staging/raw.engine", "--name", "m"]) == 0
+    assert (tmp_path / "yolo" / "m.engine").is_file()
+    assert staging_files(tmp_path) == []
+    assert not (tmp_path / "staging" / "done").exists()
+
+
+def test_cli_convert_keep_staging(tmp_path):
+    _touch(tmp_path / "staging" / "raw.engine", b"E")
+    cli = _load_cli()
+    cli.main(["--root", str(tmp_path), "convert", "staging/raw.engine", "--name", "m", "--keep-staging"])
+    assert (tmp_path / "staging" / "raw.engine").is_file()
+
+
+def test_cli_convert_rejects_bad_name(tmp_path, capsys):
+    _touch(tmp_path / "staging" / "raw.engine", b"E")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "convert", "staging/raw.engine", "--name", "bad/name"]) == 2
+    assert "错误" in capsys.readouterr().err
+
+
+def test_cli_convert_missing_input_exit2(tmp_path, capsys):
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "convert", "nope.pt", "--name", "m"]) == 2
+    assert "不存在" in capsys.readouterr().err
+
+
+def test_cli_convert_unknown_format_reports_clearly(tmp_path, capsys):
+    """非标准格式要给出明确指引，而不是让用户猜。"""
+    _touch(tmp_path / "staging" / "weird.pdparams", b"x")
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "convert", "staging/weird.pdparams", "--name", "m"]) == 2
+    err = capsys.readouterr().err
+    assert "不认识的输入格式" in err
+
+
+def test_cli_convert_labels_flag_written_for_engine_relocation(tmp_path):
+    _touch(tmp_path / "staging" / "raw.engine", b"E")
+    cli = _load_cli()
+    cli.main(
+        ["--root", str(tmp_path), "convert", "staging/raw.engine", "--name", "m", "--labels", "工件,通止规"]
+    )
+    assert (tmp_path / "yolo" / "m.labels.yaml").is_file()
+    ls = model_labels(find_model(tmp_path, "m"))
+    assert ls.names == {0: "工件", 1: "通止规"}
+
+
+def test_cli_convert_does_not_overwrite_existing_labels(tmp_path):
+    """已有旁挂标签时，转换不能把用户手改的内容冲掉。"""
+    _touch(tmp_path / "staging" / "raw.engine", b"E")
+    write_labels(tmp_path / "yolo" / "m.engine", {0: "手工改过的"})
+    cli = _load_cli()
+    cli.main(["--root", str(tmp_path), "convert", "staging/raw.engine", "--name", "m"])
+    ls = model_labels(find_model(tmp_path, "m"))
+    assert ls.names == {0: "手工改过的"}
+
+
+# --------------------------------------------------------------------------
+# 回归：PT→ONNX 绝不能碰源文件旁边的同名 .onnx
+# --------------------------------------------------------------------------
+
+
+class _FakeYOLO:
+    """模拟 Ultralytics：把 onnx 写在**传给它的那个路径旁边**。
+
+    真实行为就是这样的，也正是踩坑点：对 models/yolo/a.pt 直接导出会覆盖
+    models/yolo/a.onnx（用户自己的产物，可能是别的 imgsz 导的），
+    而紧接着的搬运还会把它彻底删掉。
+    """
+
+    def __init__(self, path):
+        self.path = Path(path)
+
+    def export(self, **_kw):
+        out = self.path.with_suffix(".onnx")
+        out.write_bytes(b"FAKE_ONNX_BYTES")
+        return str(out)
+
+
+def _patch_ultralytics(monkeypatch):
+    import sys
+    import types
+
+    monkeypatch.setitem(sys.modules, "ultralytics", types.SimpleNamespace(YOLO=_FakeYOLO))
+
+
+def test_export_onnx_never_touches_source_directory(tmp_path, monkeypatch):
+    """这条是数据丢失事故的回归测试。
+
+    事故经过：转换 detect_hc90.pt 时，Ultralytics 把 onnx 写到了
+    models/yolo/detect_hc90.onnx（覆盖掉原有文件），随后搬运又把它移走，
+    结果用户的 detect_hc90.onnx 直接消失。现在导出在临时目录里做。
+    """
+    _patch_ultralytics(monkeypatch)
+    cli = _load_cli()
+
+    src = _touch(tmp_path / "src_dir" / "a.pt", b"PT")
+    before = sorted(p.name for p in (tmp_path / "src_dir").iterdir())
+
+    dst = tmp_path / "out" / "renamed.onnx"
+    cli._export_onnx(src, 640, dst)
+
+    # 目标产出正确
+    assert dst.read_bytes() == b"FAKE_ONNX_BYTES"
+    # 源文件还在，且源目录一个字节都没多出来
+    assert src.read_bytes() == b"PT"
+    assert sorted(p.name for p in (tmp_path / "src_dir").iterdir()) == before
+
+
+def test_export_onnx_does_not_clobber_sibling_onnx(tmp_path, monkeypatch):
+    """源目录里已有的同名 .onnx（别人的产物）必须原封不动。"""
+    _patch_ultralytics(monkeypatch)
+    cli = _load_cli()
+
+    src = _touch(tmp_path / "d" / "a.pt", b"PT")
+    sibling = _touch(tmp_path / "d" / "a.onnx", b"ORIGINAL_USER_ARTIFACT")
+
+    cli._export_onnx(src, 640, tmp_path / "out" / "other.onnx")
+
+    assert sibling.read_bytes() == b"ORIGINAL_USER_ARTIFACT"
+
+
+def test_cli_convert_pt_to_other_name_keeps_sibling_onnx(tmp_path, monkeypatch):
+    """端到端（用假 ultralytics）：改名为 other 转换 a.pt，a.onnx 必须还在。"""
+    _patch_ultralytics(monkeypatch)
+    cli = _load_cli()
+
+    _touch(tmp_path / "yolo" / "a.pt", b"PT")
+    sibling = _touch(tmp_path / "yolo" / "a.onnx", b"ORIGINAL")
+
+    rc = cli.main(["--root", str(tmp_path), "convert", "yolo/a.pt", "--name", "other", "--to", "onnx"])
+    assert rc == 0
+    assert (tmp_path / "yolo" / "other.onnx").is_file()
+    assert sibling.read_bytes() == b"ORIGINAL"
+
+
+def test_cli_convert_refuses_to_overwrite_without_force(tmp_path, monkeypatch, capsys):
+    """目标已存在时默认拒绝，避免静默覆盖别人的模型。"""
+    _patch_ultralytics(monkeypatch)
+    cli = _load_cli()
+
+    _touch(tmp_path / "yolo" / "a.pt", b"PT")
+    _touch(tmp_path / "yolo" / "other.onnx", b"EXISTING")
+
+    rc = cli.main(["--root", str(tmp_path), "convert", "yolo/a.pt", "--name", "other", "--to", "onnx"])
+    assert rc == 1
+    assert "已存在" in capsys.readouterr().err
+    assert (tmp_path / "yolo" / "other.onnx").read_bytes() == b"EXISTING"
+
+
+def test_cli_convert_force_overwrites(tmp_path, monkeypatch):
+    _patch_ultralytics(monkeypatch)
+    cli = _load_cli()
+
+    _touch(tmp_path / "yolo" / "a.pt", b"PT")
+    _touch(tmp_path / "yolo" / "other.onnx", b"OLD")
+
+    assert cli.main(
+        ["--root", str(tmp_path), "convert", "yolo/a.pt", "--name", "other", "--to", "onnx", "--force"]
+    ) == 0
+    assert (tmp_path / "yolo" / "other.onnx").read_bytes() == b"FAKE_ONNX_BYTES"
+
+
+# --------------------------------------------------------------------------
+# CLI：doctor / show
+# --------------------------------------------------------------------------
+
+
+def test_cli_doctor_runs_and_reports_problems(tmp_path, capsys):
+    _touch(tmp_path / "yolo" / "m.engine")
+    cli = _load_cli()
+    rc = cli.main(["--root", str(tmp_path), "doctor"])
+    out = capsys.readouterr().out
+    assert rc in (0, 1)
+    assert "缺标签" in out
+    assert "staging" in out
+
+
+def test_cli_show_lists_conventions(tmp_path, capsys):
+    cli = _load_cli()
+    assert cli.main(["--root", str(tmp_path), "show"]) == 0
+    out = capsys.readouterr().out
+    assert ".labels.yaml" in out
+    assert "旁挂文件 > ONNX" in out
+
+
+def test_cli_requires_subcommand():
+    cli = _load_cli()
+    with pytest.raises(SystemExit):
+        cli.main([])