docs: actpred Hailo 预处理优化方案——查表法合并归一化+量化

新 640×480 数据集实测端到端 52.4ms，预处理 35.9ms 占 68%（float 归一化
27.2ms + 量化绑定 9.1ms，存在中间 float 冗余）。方案：256 项查表合并
归一化与量化（数值等价），预计预处理降至 3-6ms、端到端 ~18-20ms。

docs/reports/actpred_hailo_preprocess_optimization_plan_20260817.md

@@ -0,0 +1,106 @@
+# actpred Hailo 推理预处理优化方案：查表法合并归一化与量化
+
+> 文档类型：开发方案
+> 模块：actpred（部署链 hailo_infer.py）
+> 作者：自动生成
+> 日期：2026-08-17
+> 前置：`actpred_inference_speed_benchmark_20260813.md`（速度基准）、
+> 2026-08-17 新 640×480 数据集重测（本方案 §2 数据）
+
+---
+
+## 1. 背景与动机
+
+2026-08-17 用新录制的 640×480 数据集（免 resize 训练样本）重测 HEF 推理速度：
+
+| 阶段 | 640×480 输入 | 224×224 输入（旧数据） |
+|---|---|---|
+| 端到端 predict | **52.4 ms** | 60.0 ms |
+| 预处理 | **35.9 ms** | 43.1 ms |
+| NPU run | 12.5 ms | 12.9 ms |
+| 后处理 | 0.6 ms | 0.6 ms |
+
+输入尺寸已与模型一致（resize 变 no-op），**预处理仍是端到端延迟的主导项**（68%）。
+旧基准报告（2026-08-13）已记录同类问题：1080p 采集的预处理缩放约 45ms 主导端到端延迟，
+当时通过把默认分辨率改回 640×480 缓解；本次分析证明 640×480 下 Python 端预处理
+仍有约 36ms 的优化空间。
+
+## 2. 瓶颈分析（100 次均值分段计时）
+
+| 子步骤 | 耗时 | 说明 |
+|---|---|---|
+| `_frame_float`（3 帧） | **27.2 ms** | PIL fromarray/convert + resize（同尺寸 no-op 仍有开销）+ `(x/255-mean)/std` float 运算（92 万像素×3 通道） |
+| `create_bindings` + 帧量化绑定 | **9.1 ms** | `_bind_frames`：float 归一化帧 → `round(x/q.scale+q.zp)` 再量化回 uint8 |
+| history/pred 绑定 | 0.07 ms | 可忽略 |
+
+**关键冗余**：当前流程先做 float 归一化（`_frame_float`），随后又量化回 uint8（`_bind_frames`）——
+中间 float 帧是纯中间态，归一化与量化可以**合并为一步**。
+
+## 3. 优化方案：查表法（LUT）合并归一化+量化
+
+### 3.1 核心思路
+
+HEF 帧输入是 uint8 量化值：`q = round(((x/255 - mean)/std) / q_scale + q_zp)`。
+对 uint8 原始像素 x∈[0,255]，该映射是**单变量函数**——预计算 256 项查表：
+
+```
+lut[c] = clip(round(((c/255 - mean[c])/std[c]) / q_scale + q_zp), 0, 255)   # c = 0..255
+```
+
+推理时对每个通道：`out = lut[x]`（numpy 高级索引，纯内存搬运 + 索引，无 float 运算）。
+
+- 数学上与现流程完全等价（仅合并了中间 float 步骤，取整路径不变）
+- 三张表（RGB 通道 mean/std 不同），HEF 的 `quant_info`（qp_scale/qp_zp）每输入一个
+- 表随 HEF 加载时构建（`_normalize_frames` 判定负零偏后决定走查表还是直通）
+
+### 3.2 附带优化
+
+1. **免 PIL 路径**：输入已是 np.ndarray 时直接用 `lut[x]` 索引，跳过
+   `Image.fromarray/convert`；仅需 resize 时（尺寸不一致）才走 PIL
+2. **resize no-op 跳过**：`image.size == (W,H)` 时不调用 `resize()`
+3. 直通模式（`_normalize_frames=False`，原始像素校准的 HEF）同样受益：
+   `out = clip(round(x/q_scale+q_zp))` 也是查表
+
+### 3.3 预期收益
+
+| 阶段 | 现状 | 优化后（估） |
+|---|---|---|
+| 帧预处理（float+量化） | 27.2 + 9.1 ms | **~3-6 ms**（三帧查表 + 绑定） |
+| 端到端 predict | 52.4 ms | **~18-20 ms** |
+
+闭环 10Hz（100ms 预算）下占用率从 52% 降至 ~20%，为 20Hz 控制率留出空间。
+
+## 4. 一致性约束（关键）
+
+- **训练侧不动**：`dataset.py` 的 `Resize+ToTensor+Normalize` 保持 float 路径——
+  查表只是推理侧对"归一化+量化"的合并实现，数值等价（±1 LSB 取整差）
+- **三后端口径**：`predict.py`（PyTorch，float 输入不量化）、`onnx_infer.py`（ORT，float）
+  不受影响；查表仅作用于 `hailo_infer.py` 的 uint8 量化输入路径
+- **帧输入判定不变**：`_normalize_frames`（量化网格负零偏判定）决定走
+  归一化查表还是直通查表，逻辑与现状一致
+- 旧 5 输入 / 旧版单图像 HEF 布局同样适用（按各自 quant_info 建表）
+
+## 5. 实施步骤
+
+| 步骤 | 内容 | 产出 |
+|---|---|---|
+| 1 | `hailo_infer.py`：加载时构建 `_frame_luts`（按通道 × 256，归一化/直通两种） | 查表构建 + 单测（256 表项与 float 路径逐项比对 ≤1 LSB） |
+| 2 | `_frame_float` / `_bind_frames` 改为查表路径（ndarray 直通、PIL 仅 resize 时用） | 推理链路改造 + 单测（与现 float 路径输出逐帧比对） |
+| 3 | NPU 实测：新 640×480 数据集 100 次均值 + 分段计时 | 基准对比（52.4 → ~20ms） |
+| 4 | `_npu_test.py` 4 角 + HEF vs torch 对比复验 | 量化误差不回归（≤1°） |
+| 5 | 全套单测（TestHailoPredictor 等） | 188 tests OK |
+
+## 6. 风险与对策
+
+| 风险 | 对策 |
+|---|---|
+| 查表取整与 float 路径存在 ±1 LSB 差异 | 数值等价性单测：表项逐点比对，差异仅取整边界；NPU 输出 vs torch 误差预算不变（≤1°） |
+| 非 256 深度的特殊量化网格 | 表仅适用于 8-bit 输入（HEF 帧输入恒 uint8，`FormatType.UINT8` 分支已断言） |
+| 未来输入尺寸变更 | 查表与尺寸无关（逐像素映射）；resize 仍需走 PIL，仅影响附带优化 2 |
+
+## 7. 决策记录
+
+- **查表法 vs 直接 float 合并**：`x*a+b` 一次乘加也能省一步，但仍是 92 万像素×3 通道的
+  float 运算（Pi5 上约 10-15ms）；查表把该运算降为内存索引（预计 1-3ms），且同时覆盖直通路径
+- **训练侧不改**：训练用 float 归一化（增强/数值精度），推理侧查表——两侧口径在
+  "归一化值"层面一致，量化差异由部署链固有预算吸收（HEF vs torch 0.5° 实测余量充足）