feat(detect): 推理侧改为切片，与固定 160 输入一致

训练数据已经是固定边长的片，推理还把整图交给 ultralytics 就会被 letterbox 缩放，
与模型见过的形态不符。三个调用方（可视化、批量推送预测、ML backend）统一改成
切片推理再拼回原图。

- engine/tiling.merge_tiles / tiled_predict：映射回原图、裁掉镜像填充区的框、跨片去重。
  推理框架留在调用方，几何部分可单测。
- engine/detection.nms：标准 NMS，另加按包含比例抑制。缺陷被切割线切开时，相邻片
  只看到一角，给出的小残框与完整框 IoU 很小（面积悬殊），光靠 IoU 压不掉。
- engine/tiled_inference：ultralytics 的接线，内部分批，避免片数多时 OOM。
- 三处调用点加 --tile-size / --tile-overlap（后端为 YOLO_TILE_SIZE / YOLO_TILE_OVERLAP），
  默认 160 / 32；设 0 退回整图推理，仅用于和旧模型对比。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

ml_backend/README.md

@@ -65,6 +65,8 @@ Label Studio 里：Settings → **Model** → Connect Model，URL 填 `http://lo
 | `YOLO_IMGSZ` | `640` | 推理尺寸，与训练保持一致 |
 | `YOLO_DEVICE` | `cuda` | `cuda` / `cpu` / `mps` |
 | `YOLO_BATCH` | `16` | 一次推理几张。Retrieve Predictions 会一次发来上千个任务，不分批会撑爆显存 |
+| `YOLO_TILE_SIZE` | `160` | 模型输入边长。按它切片推理再拼回，全程不缩放；0 = 整图推理（会 letterbox） |
+| `YOLO_TILE_OVERLAP` | `32` | 切片重叠像素。大于缺陷尺寸时，总有一片能完整看到它 |
 | `RETRAIN_AFTER` | `0` | 累计多少条新标注触发重训，0 = 不触发 |
 | `RETRAIN_COMMAND` | 空 | 触发时执行的命令 |