docs/RECOGNIZER.md

Reconnaissance CRNN (app/recognizer.py)

Le modèle

crnn_vgg16_bn (bibliothèque doctr) : un CNN (VGG16) qui extrait des features le long de l'image, suivi d'un RNN qui prédit une séquence de caractères — architecture standard pour la reconnaissance de texte en une ligne (pas besoin de segmenter les caractères un par un).

Poids de départ : pré-entraînés par Mindee sur des textes imprimés génériques, puis fine-tunés sur nos propres crops de lignes LCD (voir docs/TRAINING.md). C'est ce fine-tuning qui constitue le "modèle IA développé" attendu par le §8.4 du cahier des charges, par opposition à un OCR générique utilisé tel quel.

load_model(model_path=None, device=None)

Charge les poids depuis models/crnn_fuel_pump_best.pt (chemin par défaut). Échoue explicitement (FileNotFoundError/ImportError) plutôt que de se rabattre silencieusement sur autre chose — un module de vérification de paiement ne doit pas tourner avec un modèle absent sans que ce soit visible.

recognize_screen(model, screen_crop, device, n_lines=3)

1. Découpe l'écran en lignes (preprocessing.split_lcd_lines).
2. Pour chaque ligne, dans l'ordre : prétraitement (preprocess_crop) puis prédiction (predict_line).
3. Associe chaque ligne à un champ (prix, volume, prix_litre) par sa position (voir FIELD_NAMES dans preprocessing.py) — pas par analyse du contenu. C'est la différence clé avec l'ancien pipeline OCR générique, qui devait deviner quel nombre était quoi.

Retourne une liste de {"field": ..., "text": ..., "confidence": ...}, un élément par ligne détectée.

preprocess_crop / _resize_preserve_aspect — le bug corrigé cette session

Redimensionne chaque ligne à une hauteur fixe (32px) en conservant le ratio d'aspect, puis normalise les valeurs de pixels.

Pourquoi c'est écrit deux fois (ici et dans train/finetune_doctr.py) : le modèle doit voir, à l'entraînement et à l'inférence, des images prétraitées de la même façon. Avant correction, l'entraînement étirait les images à une largeur fixe (déformant les chiffres), alors que l'inférence préservait le ratio — le modèle apprenait donc sur des formes différentes de celles qu'il voyait réellement en production. Si l'un des deux fichiers est modifié à l'avenir, vérifier que l'autre reste cohérent.

Limites connues

• Le decoder CTC de doctr peut produire des caractères hors du vocabulaire numérique attendu (ex. "9AAm" au lieu de "20000" observé pendant les tests) quand la ligne d'entrée est trop bruitée/mal découpée — normal vu la taille du jeu d'entraînement (voir docs/LIMITATIONS.md), pas un bug de code.
• Aucune contrainte n'est imposée sur le vocabulaire de sortie (le modèle pourrait techniquement prédire des lettres) — une piste d'amélioration serait de contraindre le décodage aux chiffres/virgule/point uniquement.