YOLO GPU + AiOrchestratorTool unifié

Date: 08/02/2026

Status: TERMINE

Résumé

Migration de YOLO d'un container CPU standalone vers un outil intégré dans l'ai-orchestrator (GPU RTX 2070 Super). Refonte de l'interface frontend AiOrchestratorTool avec système de panels par outil.

Actions réalisées

Phase 1: Service YOLO sur win11

• Créé I:\yolo-api\yolo_service.py - FastAPI + Ultralytics GPU
  • Endpoint /predict (multipart/form-data) pour detect/segment/pose/classify/obb
  • Cache LRU des modèles (max 3)
  • Utilise GPU 1 (RTX 2070 Super) via CUDA_VISIBLE_DEVICES=1
  • Port 5402
• Créé I:\yolo-api\start_yolo.bat
• Installé venv Python + dépendances (torch+cu128, ultralytics, fastapi, uvicorn)
• Vérifié CUDA fonctionnel sur les 2 GPUs

Phase 2: Intégration ai-orchestrator

• Ajouté YOLO dans TOOLS_CONFIG (port 5402, gpu_id=1, category=vision)
• Ajouté 5 schemas YOLO: detect, segment, pose, classify, obb
• Créé execute_yolo_job() - upload image vers le service, parse résultat, sauvegarde visualization
• Ajouté routage dans le dispatcher execute_job()
• Commit: 3eb4366 - pushé sur GitLab → CI/CD déploiement automatique

Phase 3: Refonte Frontend

• AiOrchestratorTool.tsx réécrit (390 lignes):
  • Header dual GPU (RTX 3090 + RTX 2070S) avec barres VRAM
  • Worker + Queue status
  • Grille d'outils cliquable (masque ollama-gpu1)
  • Panel dynamique par outil sélectionné
  • Jobs history filtrable
• YoloPanel.tsx (350 lignes) - Panel YOLO dédié:
  • Tabs tâches (Detect/Segment/Pose/Classify/OBB)
  • Upload image (drag&drop, fichier, URL)
  • Params modèle + confiance + avancé
  • Canvas résultat avec visualization annotée
  • Liste détections triées par confiance
• GenericPanel.tsx (210 lignes) - Panel fallback:
  • Auto-génère formulaire depuis schemas API
  • Types input adaptés (select, number, text, file, textarea, toggle)
  • Submit job + polling résultat
• ai-panels/index.ts - Registry des panels custom

Phase 4: Nettoyage

• Supprimé YoloTool.tsx
• Retiré 'yolo' de TOOLS_ENABLED_CONNECTORS
• Retiré import YoloTool du routeur tools
• Commit: 1c5a7c6 - pushé sur GitLab → CI/CD déploiement automatique

Fichiers modifiés/créés

• I:\yolo-api\yolo_service.py (nouveau, win11)
• I:\yolo-api\start_yolo.bat (nouveau, win11)
• ai-orchestrator/app/main.py (modifié, +176 lignes)
• connectors-front/src/components/tools/AiOrchestratorTool.tsx (réécrit)
• connectors-front/src/components/tools/ai-panels/YoloPanel.tsx (nouveau)
• connectors-front/src/components/tools/ai-panels/GenericPanel.tsx (nouveau)
• connectors-front/src/components/tools/ai-panels/index.ts (nouveau)
• connectors-front/src/components/tools/index.ts (modifié)
• connectors-front/src/routes/.../tools/index.tsx (modifié)
• connectors-front/src/components/tools/YoloTool.tsx (supprimé)

Vérification

• [x] Tester YOLO service manuellement: curl http://192.168.1.30:5402/health → OK, GPU RTX 2070 Super détecté
• [x] CI/CD connectors-front: pipeline 868 → success
• [x] CI/CD ai-orchestrator: pipeline 867 → failed (pre_deploy hook timeout SSH win11), retry → success
• [x] YOLO visible dans /api/tools de l'orchestrator (id=yolo, category=vision, gpu_id=1)
• [x] YOLO service démarré manuellement sur win11 (python + uvicorn, port 5402)
• [x] Test end-to-end API: upload bus.jpg → job detect → 5 détections (1 bus 95.7%, 4 persons), 215ms GPU, 1097MB VRAM, visualization OK

Notes post-déploiement

• SSH vers win11 est très lent (~15s par connexion) - cause probable: reverse DNS lookup Windows OpenSSH
• Ceci cause des timeouts sur les endpoints /api/tools/{id}/start|stop de l'orchestrator
• Le pre_deploy hook a échoué au premier essai (timeout 30s), réussi au retry (worker déjà en pause)
• ollama-gpu1 a été stoppé manuellement pour libérer GPU1 avant de lancer YOLO