cmvr_edge_ai/server/gauge/worker

Analog Gauge 隔离运行环境

ethz-asl/analog_gauge_reader 依赖 Python 3.8、Torch 2.0 和为 CPython 3.8 预编译的 MMCV 2.0 wheel，不能安全地安装进本项目的 Python 3.10 主环境。本目录是一个 独立的 uv project，只服务 gauge.analog_reader@1 子进程。

创建环境

运行：

bash server/gauge/worker/bootstrap.sh

脚本安装 uv 管理的 Python 3.8，并按照本目录的 uv.lock 创建 .venv。不会改动根目录 .venv。MMCV URL 是 Linux x86_64、CPython 3.8、Torch 2.0 CPU 的专用 wheel，因此 当前部署配置不支持其他平台。

进程协议

主进程由 gauge.analog_reader@1 自动启动 worker，无需手工常驻。worker 使用 cmvr.external-worker/v1：4 字节大端 JSON header 长度、JSON header，随后按 blob_lengths 顺序传输 raw blob。图像不做 base64 二次复制。

worker 启动后首先返回 ready；每个请求使用一个 JPEG/PNG blob，响应包含标量读数、 单位、耗时、诊断和可选 annotated blob。Ultralytics/MMOCR 和上游项目的 stdout 已被 重定向到 stderr，协议流单独持有启动时复制的 stdout FD，日志不会污染二进制帧。 worker 会先解析图片头并按 --max-pixels 检查 width * height，超限时不会创建临时 输入文件，也不会进入 Pillow/OpenCV 或上游 pipeline。

明确的“未检测到仪表、OCR 数字不足、椭圆拟合失败、未找到指针”属于业务无结果，返回 no_result。checkpoint 不兼容、依赖缺失和其他推理/部署异常返回相关联的 failed response；帧本身损坏时无法继续可靠解析边界，进程会退出并由主框架在下一次请求时重建。

版本基线来自上游项目：Torch 2.0.0、Torchvision 0.15.1、MMCV 2.0.0、MMEngine 0.7.2、MMDetection 3.0.0、MMOCR 1.0.0、Ultralytics 8.0.66 和 scikit-learn 1.2.2。NumPy/OpenCV/SciPy 额外固定在仍支持 Python 3.8 且已知兼容的版本， 避免未来解析得到 NumPy 2 或停止支持 Python 3.8 的 wheel。Setuptools 固定为 75.3.2，因为旧版 Ultralytics 启动时仍会导入其中的 pkg_resources。