fix(detect): 钳掉 Label Studio 导出坐标的浮点溢出

真实导出里出现 height=1.0000000000000002：Label Studio 按百分比存框，导出时 /100
留下浮点误差。ultralytics 读标签时对 >1 的坐标直接报错，所以这点溢出必须钳掉，
否则装配出的数据集根本训不起来。

只钳 1e-6 量级的溢出，真正越界的坐标仍然报错。顺带把坐标统一写成 6 位小数。

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

scripts/build_yolo_dataset.py

@@ -60,6 +60,12 @@ logger = None
 EMPTY = "(无框)"
 
 
+#: 坐标的容忍量。Label Studio 按百分比存框，导出时 /100 会有浮点误差，
+#: 实测出现过 height=1.0000000000000002。ultralytics 对 >1 的坐标直接报错，
+#: 所以这点溢出必须钳掉；超出这个量级的才是真的坏标签。
+COORDINATE_TOLERANCE = 1e-6
+
+
 class Sample(NamedTuple):
     """一张图、它的标签文本，以及分层划分用的类别。"""
 
@@ -105,12 +111,18 @@ def read_export(path: Path) -> tuple[list[str], dict[str, str]]:
     return classes, labels
 
 
-def parse_boxes(text: str, stem: str, num_classes: int) -> list[int]:
-    """校验一个标签文件，返回其中所有框的类别下标。
+def parse_boxes(text: str, stem: str, num_classes: int) -> tuple[list[int], str, int]:
+    """校验并规整一个标签文件。
 
-    坐标越界或类别越界都直接报错：这类问题在训练时不会崩，只会悄悄拉低指标。
+    Returns:
+        (类别下标列表, 规整后的标签文本, 被钳位的坐标个数)
+
+    字段数、类别下标、明显越界的坐标都直接报错：这类问题在训练时不会崩，
+    只会悄悄拉低指标。只有浮点误差量级的溢出才钳到 [0,1]。
     """
     class_ids = []
+    lines = []
+    clamped = 0
     for number, line in enumerate(text.splitlines(), start=1):
         line = line.strip()
         if not line:
@@ -125,18 +137,22 @@ def parse_boxes(text: str, stem: str, num_classes: int) -> list[int]:
             raise ExportError(f"{stem}.txt 第 {number} 行无法解析：{line!r}") from exc
         if not 0 <= class_id < num_classes:
             raise ExportError(f"{stem}.txt 第 {number} 行的类别下标 {class_id} 超出 0~{num_classes - 1}")
-        if not all(0.0 <= v <= 1.0 for v in coordinates):
+        if not all(-COORDINATE_TOLERANCE <= v <= 1 + COORDINATE_TOLERANCE for v in coordinates):
             raise ExportError(f"{stem}.txt 第 {number} 行的坐标不在 [0,1] 内：{coordinates}")
+        clamped += sum(not 0.0 <= v <= 1.0 for v in coordinates)
+        coordinates = [min(max(v, 0.0), 1.0) for v in coordinates]
         class_ids.append(class_id)
-    return class_ids
+        lines.append(" ".join([str(class_id), *(f"{v:.6f}" for v in coordinates)]))
+    return class_ids, "".join(f"{line}\n" for line in lines), clamped
 
 
 def collect(
     classes: list[str], labels: dict[str, str], images_dir: Path
-) -> tuple[list[Sample], list[str]]:
-    """把标签与图片配对，返回 (样本列表, 多余的图片名)。"""
+) -> tuple[list[Sample], list[str], int]:
+    """把标签与图片配对，返回 (样本列表, 多余的图片名, 钳位的坐标个数)。"""
     samples = []
     missing = []
+    clamped = 0
     for stem, text in labels.items():
         candidates = [
             images_dir / f"{stem}{suffix}" for suffix in (".png", *IMAGE_SUFFIXES)
@@ -145,10 +161,11 @@ def collect(
         if image is None:
             missing.append(stem)
             continue
-        class_ids = parse_boxes(text, stem, len(classes))
+        class_ids, cleaned, clamped_here = parse_boxes(text, stem, len(classes))
+        clamped += clamped_here
         # 分层用"框最多的那个类别"：一张图可能有多个类别的框，人工复核后尤其常见
         stratum = classes[Counter(class_ids).most_common(1)[0][0]] if class_ids else EMPTY
-        samples.append(Sample(image, text, stratum))
+        samples.append(Sample(image, cleaned, stratum))
 
     if missing:
         raise ExportError(
@@ -160,7 +177,7 @@ def collect(
         p.stem for p in images_dir.iterdir()
         if p.suffix.lower() in IMAGE_SUFFIXES and p.stem not in known
     )
-    return samples, extra
+    return samples, extra, clamped
 
 
 def split(samples: list[Sample], val_ratio: float, seed: int) -> dict[str, list[Sample]]:
@@ -205,12 +222,17 @@ def main() -> int:
 
     try:
         classes, labels = read_export(Path(args.export))
-        samples, extra = collect(classes, labels, Path(args.images))
+        samples, extra, clamped = collect(classes, labels, Path(args.images))
     except (ExportError, FileNotFoundError) as exc:
         logger.error("%s", exc)
         return 1
 
     logger.info("导出: %s（%d 个标签，%d 类）", args.export, len(labels), len(classes))
+    if clamped:
+        logger.info(
+            "%d 个坐标有浮点误差量级的溢出（Label Studio 按百分比存框，/100 会有误差），已钳到 [0,1]；"
+            "不钳的话 ultralytics 读标签时会直接报错", clamped,
+        )
     if extra:
         logger.warning(
             "%s 里有 %d 张图片没有对应的标签，不会进入数据集（例如 %s）",
@@ -274,6 +296,7 @@ def main() -> int:
                 "empty_labels": len(empty),
                 "dropped_empty": args.drop_empty,
                 "images_without_label": len(extra),
+                "clamped_coordinates": clamped,
                 "val_ratio": args.val_ratio,
                 "seed": args.seed,
                 "split_sizes": {k: len(v) for k, v in splits.items()},