Add async model thread, vision FPS throttle, configurable FPS, .gitignore __pycache__

model/model.hpp

@@ -1,11 +1,31 @@
 #pragma once
 #include "types.hpp"
 
-// TFLM 模型推理接口 — 占位实现，后续接入模型
-// 用法:
-//   1. 将 .tflite 模型转为 C header 数组放入 model/ 目录
-//   2. 实现 model_init() / model_infer()
-//   3. 在 element.cpp 中调用
+// NanoDetHeatV4 检测结果
+struct DetectBox {
+    int   cls;           // 0=红绿灯, 1=锥桶, 2=人行道
+    float conf;          // 置信度 [0,1]
+    float cx, cy;        // 中心像素坐标 (160×120)
+    float w, h;          // 宽高像素
+};
 
-bool model_init();
-void model_infer(const uint8* image, int w, int h, float* output, int num_classes);
+// 初始化模型, 加载权重
+// weight_path: nanodet.bin 路径
+// 返回 true 成功
+bool model_init(const char* weight_path);
+
+// 运行推理, 返回检测框数量
+// bgr:    RGB 图像数据 (H×W×3, uint8, [0,255])
+// w, h:   图像尺寸 (必须 160×120)
+// boxes:  输出检测框数组
+// max:    最大检测框数
+// th:     置信度阈值 (推荐 0.6~0.8)
+int model_detect(const uint8* bgr, int w, int h,
+                 DetectBox* boxes, int max,
+                 float th);
+
+// 释放模型内存
+void model_deinit();
+
+// 模型就绪标志
+bool model_ready();