Dom/rpa_vision_v3
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

fix: template matching prioritaire pour icônes sans texte (by_text vide)

Browse Source 
Quand by_text est vide (icônes : logo Windows, disquette, croix),
le template matching du crop 80x80 est plus fiable que le VLM qui
choisit des éléments au hasard.

Cascade strict mode :
0. Template matching (si by_text vide) — crop 80x80 discriminant
1. VLM Quick Find (compréhension sémantique)
1.5. SoM + VLM
2. Template matching (fallback avec seuil 0.90)
3. Échec → STOP

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
Dom
2026-03-31 18:11:24 +02:00
parent a74056ca22
commit 875367dea9
1 changed files with 26 additions and 8 deletions
Download Patch File Download Diff File Expand all files Collapse all files

34
agent_v0/server_v1/api_stream.py
View File

@@ -3760,20 +3760,38 @@ def _resolve_target_sync(
# MODE STRICT (replay sessions) — Stratégie VLM-FIRST
# ===================================================================
if strict_mode and anchor_image_b64:
# ---------------------------------------------------------------
# Étape 1 : VLM Quick Find (compréhension sémantique)
# Le VLM reçoit le screenshot + le crop de référence + la description
# riche (titre fenêtre, position relative, texte visible, type).
# ---------------------------------------------------------------
vlm_description = target_spec.get("vlm_description", "")
by_text_strict = target_spec.get("by_text", "").strip()
# Fallback : construire la description depuis by_text/by_role
if not vlm_description:
by_text = target_spec.get("by_text", "").strip()
by_role = target_spec.get("by_role", "").strip()
if by_text or by_role:
if by_text_strict or by_role:
vlm_description = _build_target_description(target_spec)
# Toujours tenter le VLM si on a un anchor (multi-image) ou une description
# ---------------------------------------------------------------
# Étape 0 : Template matching PRIORITAIRE pour les icônes sans texte
# Les crops 80x80 sont très discriminants pour les icônes (logo Windows,
# disquette, croix). Le VLM se trompe souvent sur ces éléments.
# ---------------------------------------------------------------
if not by_text_strict:
result = _resolve_by_template_matching(
screenshot_path=screenshot_path,
anchor_image_b64=anchor_image_b64,
screen_width=screen_width,
screen_height=screen_height,
confidence_threshold=0.70,
)
if result and result.get("score", 0) >= 0.70:
logger.info(
"Strict resolve icon : template matching OK (score=%.3f) pour icône sans texte",
result.get("score", 0),
)
return result
# ---------------------------------------------------------------
# Étape 1 : VLM Quick Find (compréhension sémantique)
# ---------------------------------------------------------------
if vlm_description or anchor_image_b64:
vlm_result = _vlm_quick_find(
screenshot_path=screenshot_path,