fix: corrige grade de sessões oculta quando status é concluido_rollback

main.py

@@ -115,7 +115,7 @@ def _executar_treino_sync(ambiente: str, pular_triagem: bool) -> dict:
                     pred = modelo_base(img_data, conf=0.1, verbose=False)
                     confs = [float(b.conf) for r in pred for b in r.boxes]
                     media = sum(confs)/len(confs) if confs else 0
-                    decisao = "base-oficial" if media >= 0.30 or media == 0 else "descartados"
+                    decisao = "base-oficial" if media >= 0.15 or media == 0 else "descartados"
                     log_print(f"{os.path.basename(img_key)}: Conf. {media:.2f} -> {decisao}")
                     for k in [img_key, txt_key]:
                         try:
@@ -156,9 +156,9 @@ def _executar_treino_sync(ambiente: str, pular_triagem: bool) -> dict:
         # Fine-tuning: LR baixo preserva o que o modelo já aprendeu.
         # Primeiro treino: LR padrão + mais épocas para convergir do zero.
         if is_fine_tuning:
-            modelo_base.train(data=yaml_path, epochs=20, imgsz=640, batch=16, device='cpu', plots=True, lr0=0.001, lrf=0.01)
+            modelo_base.train(data=yaml_path, epochs=20, imgsz=640, batch=8, device='cpu', plots=True, lr0=0.001, lrf=0.01)
         else:
-            modelo_base.train(data=yaml_path, epochs=30, imgsz=640, batch=16, device='cpu', plots=True, lr0=0.01, lrf=0.01)
+            modelo_base.train(data=yaml_path, epochs=30, imgsz=640, batch=8, device='cpu', plots=True, lr0=0.01, lrf=0.01)
         modelo_base.reset_callbacks()
 
         best = "runs/detect/train/weights/best.pt"