refactor(predict): 重构预测流水线并优化模型元数据与输出架构

- 优化 `predict` 核心方法：移除冗余日志与深层嵌套，将流程重塑为线性流水线。
- 重构 `compute_f32_full_probability`：解耦逻辑与外部状态，消除并发隐患与生命周期冲突。
- 增强 `ModelMetadata`：引入动态归一化配置并支持 Serde 序列化，解决特定模型漏字问题。
- 升级 `OcrOutput`：
  - 增加 `Unsupported` 变体以支持非致命异常的优雅降级。
  - 实现 `into_text(self)` 方法与 `Display` 特征（应用双重截断保护，防止日志刷屏）。

BREAKING CHANGE: `predict` 返回值由 `anyhow::Result<String>` 改为 `anyhow::Result<OcrOutput>`，将后处理和控制权移交上层。

src/lib.rs

@@ -1,20 +1,20 @@
 mod charset;
 
+mod model_metadata;
 pub mod models;
 pub mod utils;
-mod model_metadata;
 
-use anyhow::Result;
+use anyhow::{Result, anyhow};
 use image::DynamicImage;
 use std::fmt::{Display, Formatter};
 
 // 关键点：直接使用 tract 重导出的 ndarray
-use crate::charset::{ CharRestrict};
+use crate::charset::CharRestrict;
+use crate::model_metadata::ModelMetadata;
+use crate::utils::color_filter::{ColorPreset, HsvRange};
 use models::det::Det;
 use models::loader::ModelSession;
 use models::ocr::Ocr;
-use crate::model_metadata::ModelMetadata;
-use crate::utils::color_filter::{ColorPreset, HsvRange};
 
 pub enum ModelSpec {
     /// 默认 OCR (使用内置路径)
@@ -64,7 +64,10 @@ impl DdddOcrBuilder {
     /// 设置自定义 OCR 路径
     pub fn custom_ocr(mut self, path: String, model_metadata: ModelMetadata) -> Self {
         // 直接重写枚举，替换掉之前的 Ocr 或 Det
-        self.mode = ModelSpec::CustomOcrModel { path, model_metadata };
+        self.mode = ModelSpec::CustomOcrModel {
+            path,
+            model_metadata,
+        };
         self
     }
 
@@ -76,7 +79,10 @@ impl DdddOcrBuilder {
                 ModelMetadata::from_builtin_beta(),
             )?),
             ModelSpec::DetModel => Runtime::Det(Det::new(ModelSpec::DEFAULT_DET_PATH.into())?),
-            ModelSpec::CustomOcrModel { path, model_metadata } => Runtime::Ocr(Ocr::new(path, model_metadata)?),
+            ModelSpec::CustomOcrModel {
+                path,
+                model_metadata,
+            } => Runtime::Ocr(Ocr::new(path, model_metadata)?),
         };
 
         Ok(DdddOcr { runtime })
@@ -97,23 +103,36 @@ impl DdddOcr {
     pub fn classification(&self, img: &DynamicImage) -> Result<String> {
         match &self.runtime {
             // Runtime::Ocr(s) => s.predict(img).run(),
-            Runtime::Ocr(s) => s.predictor().predict(img),
+            // Runtime::Ocr(s) => s.predictor().probability(false).predict(img),
+            // Runtime::Ocr(s) => {
+            //     let predictor = s.predictor();
+            //     let restricted = predictor.charset_restrict(&CharRestrict::Lowercase);
+            //     let a = restricted.valid_tokens();
+            //     println!("{:?}", a);
+            //     Ok("".to_string())
+            // }
+            Runtime::Ocr(s) => {
+                let res = s.predictor().probability(true).predict(img)?;
+                println!("{}", res);
+                Ok("".to_string())
+            }
             // Runtime::Ocr(s) => s.predictor().charset_restrict(&CharRestrict::Digit).predict(img),
             // Runtime::Ocr(s) => s.predictor().color_filter(&ColorPreset::Custom(vec![
             //     // 错误：下界 (82, 221, 14) 没问题
             //     //       但上界的 H 通道写成了 240，超过了 180 的法定上限！
             //     HsvRange::new((82, 221, 14), (240, 203, 82)),
             // ])).predict(img),
-            Runtime::Det(_) => Err(anyhow::anyhow!("当前模型是检测模型，无法执行 OCR")),
-        }
+
+        Runtime::Det(_) => Err(anyhow::anyhow!("当前模型是检测模型，无法执行 OCR")),
     }
-    pub fn detection(&self, img: &[u8]) -> Result<Vec<Vec<i32>>> {
-        match &self.runtime {
-            Runtime::Det(s) => s.predict(img),
-            Runtime::Ocr(_) => Err(anyhow::anyhow!("当前模型是 OCR 模型，无法执行检测")),
-        }
+}
+pub fn detection(&self, img: &[u8]) -> Result<Vec<Vec<i32>>> {
+    match &self.runtime {
+        Runtime::Det(s) => s.predict(img),
+        Runtime::Ocr(_) => Err(anyhow::anyhow!("当前模型是 OCR 模型，无法执行检测")),
     }
 }
+}
 
 // struct Classification {}
 // #[derive(Debug)]