fix(ml-backend): 推理分批，避免 Retrieve Predictions 撑爆显存；新增批量推送脚本

Retrieve Predictions 会把选中的任务一次发给后端，而后端把整个列表交给
model.predict(source=paths)——ultralytics 不理会 batch 参数，会当成一个 batch，
于是显存爆掉。这与之前 visualize_detections 踩的是同一个坑。后端现在按
YOLO_BATCH（默认 16）自己分批。

另加 scripts/push_predictions.py：重训完在本地分批推理，再用批量导入接口
POST /api/projects/<id>/import/predictions 提交，不经过后端服务，显存与请求体都可控。
支持 --replace 先删同版本旧预测（预测是追加的，重复跑会堆两份）、--limit 与 --dry-run。

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

ml_backend/model.py

@@ -6,6 +6,8 @@
     YOLO_CONF        置信度阈值，默认 0.25
     YOLO_IMGSZ       推理尺寸，默认 640
     YOLO_DEVICE      cuda / cpu / mps，默认 cuda（不可用时 ultralytics 自己退回）
+    YOLO_BATCH       一次推理几张，默认 16。Retrieve Predictions 会一次发来成百上千个
+                     任务，不分批会直接把显存撑爆
     RETRAIN_AFTER    累计多少条新标注后自动触发重训，默认 0=只靠手动触发
     RETRAIN_COMMAND  重训命令；不设则只记数不执行
     RETRAIN_LOG      重训命令的输出写到哪，默认 /tmp/retrain.log
@@ -82,9 +84,16 @@ class FilmDefectDetector(LabelStudioMLBase):
         if not paths:
             return ModelResponse(model_version=model_version, predictions=[])
 
-        results = model.predict(
-            source=paths, imgsz=imgsz, conf=conf, device=device, verbose=False
-        )
+        # 必须自己分批：ultralytics 不理会 batch 参数，会把整个列表当成一个 batch。
+        # Label Studio 的 Retrieve Predictions 一次能发来上千个任务，不分批必然 OOM
+        batch = int(os.environ.get("YOLO_BATCH", 16))
+        results = []
+        for start in range(0, len(paths), batch):
+            results.extend(model.predict(
+                source=paths[start:start + batch], imgsz=imgsz, conf=conf,
+                device=device, verbose=False,
+            ))
+
         predictions = []
         for result, (width, height) in zip(results, sizes, strict=True):
             boxes = [