feat(detect): 固定 160x160 输入，只用裁剪与镜像填充，禁止缩放

产线要求送进模型的图固定为 N×N 且不许 resize——缺陷的绝对尺度是判别依据，
拉伸会把"5 像素的黑点"变成别的东西。

- engine/tiling.py：切片几何。边长 < N 镜像填充（reflect，真镜像，原图居中）；
  边长 >= N 按步长裁剪、末片贴边保证全覆盖。框跟着平移裁剪，露出面积低于
  min_visibility 的丢弃；to_source 反向映射供推理时拼回原图。
- scripts/tile_dataset.py：整套数据集转换。有框图切出的空片会爆量
  （524x959 能切 24 片），用 --max-empty-ratio 限量；原本无框的真负样本不受限。
- 训练配置 imgsz 改 160，并显式关掉 scale 与 translate——ultralytics 的默认值是
  0.5 / 0.1 而不是 0，不写出来等于一直在做仿射缩放，违反约束。

尺寸正好等于 imgsz 时 letterbox 退化为空操作（r=1、dw=dh=0），核对过源码。
合成数据上验证：所有片正好 160x160、框区域与原图逐像素一致、填充是真镜像。

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

configs/detect/film.yaml

@@ -17,7 +17,10 @@ seed: 42
 device: auto
 
 data:
-  yaml: data/film_yolo/data.yaml
+  # 切成固定 160x160 的片：产线要求模型输入固定尺寸且禁止 resize。
+  #   uv run python scripts/tile_dataset.py --data data/film_yolo/data.yaml \
+  #       --out data/film_yolo_160 --size 160
+  yaml: data/film_yolo_160/data.yaml
 
 model:
   # CLAUDE.md 的"只用 convolution 模型"只约束聚类与数据集生成阶段，检测这一步不受限，
@@ -27,7 +30,11 @@ model:
 
 train:
   epochs: 500
-  imgsz: 640
+
+  # 必须与数据集的片大小一致。数据已经是 160x160，ultralytics 的 letterbox 这时
+  # 缩放比 r = min(160/160, 160/160) = 1、填充 dw=dh=0，退化成空操作，不会碰像素。
+  # 改尺寸时：重跑 tile_dataset.py，再同步改这里。
+  imgsz: 160
   batch: 16
   workers: 8
   optimizer: auto
@@ -39,8 +46,15 @@ train:
   # 数据增强。翻转按聚类阶段的结论开着（缺陷没有固定朝向）；
   # 但 mosaic/mixup 关掉——它们会把四张图拼在一起，而我们每张图只有一个弱监督框，
   # 拼接后小目标被缩得更小，对 blackdot / whitedot 这类本来就只占千分之几面积的类别是伤害。
+  # 只留镜像翻转：翻转不改变尺度，符合"禁止拉伸"的约束
   fliplr: 0.5
   flipud: 0.5
+
+  # 以下几何增强都会重采样像素，全部关掉。
+  # 注意 scale 与 translate 的 ultralytics 默认值是 0.5 / 0.1（不是 0），
+  # 不显式写出来就等于一直在做仿射缩放平移。
+  scale: 0.0
+  translate: 0.0
   degrees: 0.0
   mosaic: 0.0
   mixup: 0.0