HEIC-Fotos annehmen und den Ausschnitt weiter fassen

iPhones fotografieren HEIC; ohne pillow-heif wies die Bildpruefung jedes
Foto ab. Dazu: ein erkannter Vogel ohne bestimmbare Art wird nicht mehr als
"kein Vogel" gemeldet, und der Ausschnitt fuer die Sammlung ist quadratisch.

detector/warteschlange.py

@@ -88,17 +88,41 @@ class Warteschlange:
 
     # -- Bearbeiten -------------------------------------------------------
 
-    def _melden(self, foto_id: int, ausschnitt, result) -> None:
+    def _melden(self, foto_id: int, ausschnitt, result, box=None) -> None:
         import requests
 
         # ⚠️ ``Result.best`` ist eine Property, kein Aufruf — ``result.best()``
         #    scheitert erst zur Laufzeit und genau dann, wenn ein Vogel
         #    erkannt wurde.
         bester = result.best if result else None
+
+        # 🔴 **„Vogel ja, Art nein" ist etwas anderes als „kein Vogel" — und
+        # ging hier verloren.**
+        #
+        # ``Pipeline.run`` gibt in DREI Fällen ``result = None`` zurück: kein
+        # Fund, Beinahe-Treffer unter der Schwelle, und — der interessante —
+        # ein sicher erkannter Vogel, dessen Art keine heimische ist. Die Box
+        # unterscheidet die Fälle, nur hat sie vorher niemand angesehen.
+        #
+        # Folge am 14.10.2026: Ein Foto mit einer Meise im Gegenlicht wurde
+        # mit 93 % als Vogel erkannt und kam in der App als „Kein Vogel
+        # erkannt. Auf dem Foto war nichts zu finden" an. Christian hat
+        # daraufhin zugeschnitten — gegen ein Problem, das nie der Zuschnitt
+        # war. **Eine falsche Auskunft ist teurer als keine.**
+        #
+        # ``box.score`` ist genau die Zahl, die „da ist ein Vogel" bedeutet;
+        # sie gehört in ``mean_bird_score``, dessen Sinn der Server selbst so
+        # beschreibt: Vogelwert 0 heißt „auf keinem Bild war ein Vogel".
+        vogelwert = 0.0
+        if result is not None:
+            vogelwert = result.bird_score
+        elif box is not None and self.pipeline.zaehlt_als_vogel(box):
+            vogelwert = box.score
+
         nutzlast = {
             "species": bester.species.slug if bester else None,
             "confidence": round(bester.confidence, 4) if bester else 0.0,
-            "mean_bird_score": round(result.bird_score, 4) if result else 0.0,
+            "mean_bird_score": round(vogelwert, 4),
             "votes": {g.species.slug: round(g.confidence, 4)
                       for g in (result.guesses[:5] if result else [])},
         }
@@ -161,8 +185,11 @@ class Warteschlange:
                 box, result = self.pipeline.run(bild)
                 # Den Ausschnitt mitschicken, damit die Sammlung dasselbe Bild
                 # zeigt wie bei einer Sichtung von der Kamera.
-                ausschnitt = box.crop(bild) if box is not None else None
-                self._melden(foto["id"], ausschnitt, result)
+                # ⚠️ `anzeige_ausschnitt`, nicht `crop`: Der enge Schnitt ist
+                # fuer den Klassifikator gedacht; in der fast quadratischen
+                # Kachel der Sammlung bleibt davon nur die Bauchmitte uebrig.
+                ausschnitt = box.anzeige_ausschnitt(bild) if box is not None else None
+                self._melden(foto["id"], ausschnitt, result, box)
                 fertig += 1
             except Exception as exc:  # absichtlich breit, siehe Docstring
                 print(f"[warteschlange] Foto {foto['id']} übersprungen: {exc}")