fix(ml): 优化PyTorch模型推理流程与资源管理

- 修改API接口路径从serve切换到common，统一资源调用
- 增加独立推理线程，隔离ArcSoft线程污染，保障FPU状态稳定
- 推理模块预热，降低PyTorch线程初启功率峰值，避免电流保护触发
- 推理前后记录系统内存信息，辅助OOM重启排查
- 主屏相机与副屏人脸识别推理前暂停，规避硬件并发带宽冲突重启
- 控制相机HAL清理时长，确保DMC带宽资源释放后再启动推理
- 异步推理调用增加超时机制，避免长时间卡死
- 推理结束后恢复相机，确保正常工作流程

app/src/main/java/com/sw/dualscreen/activity/MainActivity.kt

@@ -1297,7 +1297,24 @@ class MainActivity : BaseActivity<ActivityMainBinding>() {
         startTime = System.currentTimeMillis()
         log("registerDataChange photoUri bitmap保存文件路径：${file?.absolutePath}")
         //val nameList = FoodModule.queryFood(bitmap)
-        val scoreList = FoodModule.getFoodScoreList(bitmap)
+        // 推理前同时暂停主屏相机和副屏人脸识别，让 ArcSoft 线程进入空闲后再启动 PyTorch
+        withContext(Dispatchers.Main) {
+            shutdownCamera()
+            presentation?.pauseCamera()
+        }
+        // 等待相机 HAL 在内核层（uvcvideo URB / DMC system_status）完成异步清理
+        // 实测：unbindAll() 之后 HAL 仍会在 ~200ms 内写 sysfs_dmc/system_status，
+        // 若此时 PyTorch forward() 同时占用大量 DRAM 带宽，RK3588 DMC 频率切换
+        // 与高带宽访问并发会触发硬件级故障导致设备重启。
+        // 1500ms 给 HAL 足够时间完成 DMC 带宽 hold 释放后再启动推理。
+        Timber.tag(TAG).d("queryFoodData: 等待相机HAL完成DMC清理 (1500ms)...")
+        kotlinx.coroutines.delay(1500)
+        Timber.tag(TAG).d("queryFoodData: 延迟结束，开始 forward()")
+        val scoreList = try {
+            FoodModule.getFoodScoreList(bitmap)
+        } finally {
+            withContext(Dispatchers.Main) { setupCamera() }
+        }
         val foodName = if (scoreList.isNotEmpty()) {
             val recDataJson = GsonUtils.toJson(scoreList)
             log("registerDataChange main,getFoodScoreList耗时：${System.currentTimeMillis() - startTime}")