feat: adiciona flag forcar_do_zero para treinar do zero sem apagar o modelo em produção

main.py

@@ -88,15 +88,15 @@ def carregar_modelo_do_s3(ambiente: str):
     return MODELOS_CARREGADOS[ambiente]
 
 
+def _executar_treino_sync(ambiente: str, pular_triagem: bool, forcar_do_zero: bool = False) -> dict:
 def _executar_treino_sync(ambiente: str, pular_triagem: bool, forcar_do_zero: bool = False) -> dict:
     """Execução síncrona do treino — chamada em background thread."""
     prefix_novos = f"treinamento/{ambiente}/novos-treinamentos/"
     objs = s3.list_objects_v2(Bucket=BUCKET, Prefix=prefix_novos)
 
     if forcar_do_zero:
-        # Ignora o cerebro.pt atual só para efeito de treino — o arquivo em
+        # Ignora o modelo atual (ex.: está degradado) sem tocar no arquivo em
-        # modelos/{ambiente}/atual/cerebro.pt não é tocado, então o /detectar
+        # produção — /detectar continua servindo do cerebro.pt existente.
-        # em produção continua servindo normalmente enquanto este treino roda.
         log_print(f"Treino do zero forçado para '{ambiente}' — ignorando modelo atual.")
         modelo_base = YOLO('yolov8n.pt')
         is_fine_tuning = False