feat(deploy): 模型归档统一为 film_<边长>_<时间戳>

之前 160 的 OpenVINO 导出直接从 current.pt 导，文件名不带边长也不带时间戳，
同时留着 128 和 160 两套时分不清谁是谁，软链接又会被下次训练改写。

- 新增 scripts/export_openvino.py：把权重归档成 film_<边长>_<时间戳>.pt 并导出
  同名的 OpenVINO 目录。边长从 checkpoint 读、时间戳从训练目录名取，所以同一次
  训练无论何时归档名字都一样，也不会出现文件名与实际输入尺寸对不上。
- 重训脚本第 5 步自动归档；训练目录与切片数据集的名字也带上边长。
- openvino_predict.py 的示例路径跟着更新。

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

scripts/retrain_from_label_studio.sh

@@ -4,7 +4,7 @@
 #   bash scripts/retrain_from_label_studio.sh
 #
 # 也由 ML backend 在点击 Start Training 时自动调用（输出见 $RETRAIN_LOG）。
-# 五步：导出标注 -> 装配数据集 -> 切成固定边长的片 -> 训练 -> 切换权重并重启后端。
+# 五步：导出标注 -> 装配数据集 -> 切成固定边长的片 -> 训练 -> 切换权重、归档、重启后端。
 #
 # 产线要求模型输入固定为 TILE_SIZE×TILE_SIZE 且禁止 resize，所以训练数据必须先切片；
 # 推理侧（可视化、批量推送、ML backend）也要用同一个尺寸，否则输入分布对不上。
@@ -17,10 +17,6 @@ cd "$REPO"
 PROJECT="${LS_PROJECT_ID:-39}"
 IMAGES="${LS_IMAGES_DIR:-$REPO/runs/boxes_shap_label_studio/images}"
 STAMP=$(date +%Y%m%d_%H%M)
-EXPORT="${LS_EXPORT_DIR:-/tmp}/ls_export_${STAMP}.zip"
-DATASET="$REPO/data/film_yolo_${STAMP}"
-TILED="$REPO/data/film_yolo_${STAMP}_tiled"
-WORK_DIR="$REPO/runs/detect/film_${STAMP}"
 
 # 切片参数。改尺寸时这里与 configs/detect/film.yaml 的 imgsz 会一起生效（见第 4 步）
 TILE_SIZE="${TILE_SIZE:-160}"
@@ -28,6 +24,17 @@ TILE_OVERLAP="${TILE_OVERLAP:-32}"
 # >0.5 保证一个框最多出现在一片里，不会在相邻片各留一个残框
 MIN_VISIBILITY="${MIN_VISIBILITY:-0.6}"
 
+# 边长写进目录名：同时留着 128 和 160 两套时，一眼能分清谁是谁
+SIZE_TAG=$([ "$TILE_SIZE" -gt 0 ] && echo "$TILE_SIZE" || echo "raw")
+EXPORT="${LS_EXPORT_DIR:-/tmp}/ls_export_${STAMP}.zip"
+DATASET="$REPO/data/film_yolo_${STAMP}"
+TILED="$REPO/data/film_yolo_${SIZE_TAG}_${STAMP}"
+WORK_DIR="$REPO/runs/detect/film_${SIZE_TAG}_${STAMP}"
+# 归档目录：每次训练留一份 film_<边长>_<时间戳>.pt 与同名的 OpenVINO 导出，
+# 供部署机取用。软链接会被下次训练改写，这里的带戳副本不会。
+MODELS_DIR="$REPO/runs/detect/models"
+EXPORT_OPENVINO="${EXPORT_OPENVINO:-1}"
+
 PYTHON="${REPO_PYTHON:-$REPO/.venv/bin/python}"
 # 用跑着 Label Studio 的那个环境导出，确保读的是同一个库
 LS_BIN="${LS_BIN:-/home/deep/.v/label/bin/label-studio}"
@@ -96,6 +103,12 @@ else
     echo "    best.pt 保持不变（本次 mAP50 $NEW_MAP < 此前 $OLD_MAP）"
 fi
 
+echo "--- 归档 -> $MODELS_DIR/film_${SIZE_TAG}_${STAMP}.pt"
+ARCHIVE_ARGS=(--weights "$WORK_DIR/weights/best.pt" --out "$MODELS_DIR" --stamp "$STAMP" --overwrite)
+[ "$EXPORT_OPENVINO" = "1" ] || ARCHIVE_ARGS+=(--no-openvino)
+# 归档失败不该让整轮重训算失败：权重和软链接此时已经就位
+"$PYTHON" scripts/export_openvino.py "${ARCHIVE_ARGS[@]}" || echo "    归档失败，跳过（权重仍在 $WORK_DIR/weights/best.pt）"
+
 if [ "$RESTART_BACKEND" = "1" ]; then
     echo "--- 重启 ML backend"
     # 必须显式传 YOLO_WEIGHTS 并清掉继承来的变量：本脚本可能是旧后端的子进程，
@@ -112,6 +125,7 @@ fi
 
 echo "===== [$(date '+%F %T')] 重训完成：$WORK_DIR ====="
 echo "指标见 $WORK_DIR/metrics.json，曲线见 $WORK_DIR/results.png"
+echo "归档     -> $MODELS_DIR/film_${SIZE_TAG}_${STAMP}.pt（部署取这份，带戳不会被改写）"
 echo "current.pt -> $(readlink "$REPO/runs/detect/current.pt")"
 echo "best.pt    -> $(readlink "$REPO/runs/detect/best.pt")"
 if [ "$TILE_SIZE" -gt 0 ]; then