fix(detect): 推理尺寸与训练尺寸不一致时报警

用 640 整图训练的权重跑 160 切片推理，结果看起来完全正常——照常出框、照常有置信度，
但类别系统性地错：实测 mosquito 的 TP 归零，760 张里 599 张被判成 blackdot，
而同一权重整图推理时 mosquito 有 92% 判对。这种错误不会自己暴露。

从 checkpoint 里读训练时的 imgsz，与当前切片尺寸不符就警告。三个调用点都接上：
可视化、批量推送预测、ML backend 加载权重时。visualize 的 summary.json 也补上
tile_size / tile_overlap，免得事后分不清某次产出是怎么跑的。

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

scripts/push_predictions.py

@@ -40,7 +40,7 @@ sys.path.insert(0, str(Path(__file__).resolve().parents[1] / "ml_backend"))
 
 from convert import to_prediction  # noqa: E402
 
-from engine.tiled_inference import load_image, predict_image  # noqa: E402
+from engine.tiled_inference import check_size_matches, load_image, predict_image  # noqa: E402
 from utils import setup_logging  # noqa: E402
 from utils.device import DeviceNotAvailableError, describe_device, resolve_device  # noqa: E402
 
@@ -267,6 +267,7 @@ def main() -> int:
     model = YOLO(str(weights))
     classes = model.names
     device_arg = device.index or 0 if device.type == "cuda" else device.type
+    check_size_matches(model, args.tile_size, logger)
     if args.tile_size > 0:
         logger.info("切片推理 %dx%d，重叠 %d（不缩放）", args.tile_size, args.tile_size, args.tile_overlap)
     else: