feat: export classifier with YOLO OpenVINO interface

README.md

@@ -801,6 +801,34 @@ ultralytics 自己还会在 `runs/detect/film/` 下写：
 配置支持 `_base_` 继承与命令行 `--set a.b.c=value` 覆盖，见 [utils/config.py](utils/config.py)。
 新增骨架 / 数据集只需用注册表装饰器注册，再在 yaml 里按 `name` 引用。
 
+## 分类模型复用 YOLO OpenVINO 接口
+
+生产端只使用类别时，可以将分类器导出成与既有 YOLO IR 相同的输入输出接口：
+
+```bash
+uv pip install openvino
+uv run python scripts/export_classifier_openvino.py \
+    --checkpoint runs/classify/best.pth \
+    --template runs/detect/models/film_128_20261013_0902_openvino_model/film_128_20261013_0902.xml \
+    --out runs/classify/models/resnet18_128_yolo_adapter
+```
+
+`--template` 请指定实际部署的 YOLO `.xml`，其同目录需要有 `metadata.yaml`。
+脚本读取分类检查点的配置和同目录 `eval_report.json` 中的类别顺序；也可用
+`--classes classes.txt` 或 `--classes eval_report.json` 明确指定分类器的类别顺序。
+两者类别集合不一致、训练预处理不受支持或输入尺寸不匹配时会拒绝导出。
+
+产出的 XML/BIN 使用模板文件名，输入为 RGB float32 BCHW、值域 `[0,1]`。
+逐图标准化按训练配置嵌入模型，分类概率按 YOLO 类别顺序排列。
+输出保持 `[1,4+nc,anchors]`：仅第一个候选携带全图伪框及 Softmax 概率，其他候选为零。
+伪框是像素 `cx,cy,w,h`，不表示缺陷位置。脚本不进行 resize，图片必须已切为目标尺寸。
+
+部署时成对替换 XML/BIN；使用元数据的程序也需同步 `metadata.yaml`。
+仓库的 `deploy/cpp` 解码器可直接读取适配模型，生产代码若有额外硬编码则需核对。
+Softmax 分数不同于 YOLO 置信度，需在实际数据上确认过滤阈值。
+`normal` 也作为普通分类结果返回；原图被切成多片时，每片各返回一个分类结果。
+输出目录必须是新目录，原有模型不会被覆盖。
+
 ## 开发
 
 ```bash