refactor: 统一耗材视觉算法并扩展语音确认至全量候选清单

- 以 ConsumableVisionAlgorithmService 替代 consumable_classifier 与 tear_action；
  可选手部检测权重，未配置时全帧分类；时间窗众数与 Excel 白名单配置。
- 语音待确认：ASR 先匹配 pending topk，再匹配本台 candidate_consumables；
  记账 item_id 与 vision 一致使用 name_to_code。
- 更新 config、Compose、.env.example、依赖（pandas/openpyxl）与测试。

Made-with: Cursor

.env.example

@@ -11,16 +11,24 @@ POSTGRES_PORT=35432
 # Optional: full async SQLAlchemy URL (overrides POSTGRES_* when set and matches defaults logic — see Settings).
 # DATABASE_URL=postgresql+asyncpg://postgres:postgres@localhost:35432/operation_room
 
-# --- YOLO inference (internal, not exposed as HTTP) ---
-# Weights default to bundled paths under app/resources/ if unset.
+# --- YOLO 视觉推理（内部调用，无独立 HTTP）---
+# 耗材分类权重默认 app/resources/consumable_classifier.pt；手部检测为空时退化为全帧分类。
 # CONSUMABLE_CLASSIFIER_WEIGHTS=/absolute/path/to/consumable_classifier.pt
 CONSUMABLE_CLASSIFIER_IMGSZ=224
 CONSUMABLE_CLASSIFIER_DEVICE=
+# 视觉待确认 options 最多为模型 top3 与 candidate_consumables 的交集（非本变量）。
 CONSUMABLE_CLASSIFIER_TOPK=5
-# TEAR_ACTION_WEIGHTS=/absolute/path/to/tear_action.pt
-TEAR_ACTION_IMGSZ=224
-TEAR_ACTION_DEVICE=
-TEAR_ACTION_TOPK=5
+# CONSUMABLE_MIN_CLS_CONFIDENCE=0.5
+# 时间窗（秒）：窗内多次推理取众数后再走自动记账 / 待确认。
+# CONSUMABLE_VISION_WINDOW_SEC=15
+# 可选：Excel「商品名称」「产品编码」表；空则物品 id 用名称。
+# CONSUMABLE_CATALOG_XLSX_PATH=/path/to/视频中的商品信息表.xlsx
+# HAND_DETECTION_WEIGHTS=/absolute/path/to/hand_detect.pt
+# HAND_DETECTION_IMGSZ=640
+# HAND_DETECTION_CONF=0.25
+# HAND_DETECTION_PAD_RATIO=0.30
+# HAND_DETECTION_MIN_CROP_PX=64
+# HAND_DETECTION_DEVICE=
 # Device: empty → auto (macOS MPS if available; Linux CUDA if available). Docker image uses CPU torch unless you change it.
 
 # --- Surgery recording API retries ---
@@ -54,10 +62,12 @@ TEAR_ACTION_TOPK=5
 # VIDEO_RECONNECT_BACKOFF_SECONDS=1.0
 # VIDEO_INFERENCE_INTERVAL_SEC=2
 # VIDEO_INFERENCE_CONFIDENCE_THRESHOLD=0.35
-# 置信度 >= 此值且命中候选清单时自动记账（vision）。
+# 置信度 >= 此值且命中候选清单时自动 vision 记账。提高到 0.9 可减少自动记账、更多走待确认。
 # VIDEO_AUTO_CONFIRM_CONFIDENCE=0.55
 # 置信度处于 [VIDEO_VOICE_CONFIRM_MIN_CONFIDENCE, VIDEO_AUTO_CONFIRM_CONFIDENCE) 时入队待确认（客户端拉取 pending-confirmation）。
 # VIDEO_VOICE_CONFIRM_MIN_CONFIDENCE=0.35
+# 待确认话术由服务端生成（prompt_text），TTS 一般在客户端播放；医生 WAV 上传后服务端 ASR 解析。
+# 解析顺序：① pending 里展示的 topk（序号/名称）；② 仍不匹配时，对「开始手术」请求体中的 candidate_consumables 全文做名称子串匹配——医生报清单内其它耗材也以医生为准入账。
 # 是否启用低置信度人工确认（客户端播报 + resolve 回传；服务端无麦克风/扬声器要求）。
 # VOICE_CONFIRMATION_ENABLED=true
 # VIDEO_VOICE_CONFIRM_DOCTOR_ID=voice