# سجل نماذج Veedon المشحونة (provenance + ترخيص)

النماذج تُخدَّم من `cloud/api/data/models/` عبر `GET /api/device/models/{name}` (تنزيل OTA
لأجهزة معتمدة فقط). **سياسة الترخيص: ONNX + MIT/Apache فقط** — لا أوزان AGPL.
الأصناف تُقرأ ذاتياً من بيانات ONNX الوصفية (`analyzer.OnnxDetector._labels_from_meta`).

| الملف | الميزة | المصدر (HuggingFace) | الترخيص | الأصناف | الحالة |
|---|---|---|---|---|---|
| `veedon-detect-v1.onnx` | phone_usage / knife | YOLOv8n COCO | متعدد (COCO) | 80 صنف (cell phone, knife, person…) | ✅ مفعّل |
| `veedon-smoke-v1` | smoking | `HEIher/smoking-detection` | **MIT** | cigarette | ✅ مفعّل |
| `veedon-ppe-ind-v1` | ppe_industrial / uniform_ppe | `Tanishjain9/yolov8n-ppe-detection-6classes` | **MIT** | Gloves, Vest, goggles, helmet, mask, safety_shoe | ⏳ نموذج جاهز — ينقص منطق "غياب PPE لكل شخص" |
| `veedon-mask-v1` | التزام الكمامة (صحة/PPE) | `krishnamishra8848/Face_Mask_Detection` | **Apache-2.0** | without_mask, with_mask, mask_weared_incorrect | ⏳ نموذج جاهز — كمامة طبية (ليس "ملثّم" رياضي) |
| `veedon-reid-v1` | re-ID (تتبّع الشخص عبر الكاميرات) | `anriha/osnet_x0_25_msmt17` | **MIT** | متجه مظهر 512-بُعد (OSNet) | ✅ مفعّل (سحابي) |

## طريقة التصدير (إعادة الإنتاج)
```python
from ultralytics import YOLO           # أداة التصدير (AGPL) — لا تُشحن؛ الأوزان الناتجة MIT/Apache
YOLO("best.pt").export(format="onnx", imgsz=640, opset=12)  # الأصناف تُضمَّن في ONNX metadata
```
تحقّق التكامل: `edge/agent/analyzer.py` يحمّل الملف، يقرأ الأصناف من الـmetadata، ويشغّل NMS. ✅