feat(detect): YOLO 数据集统一为 PNG、按类别重命名并附 classes.txt

- 图片统一成 PNG。pearlescent / blue / uv 的原始数据是 BMP，generate_boxes.py
  按原后缀链接，于是 runs/boxes_shap 里 3685 张 BMP 与 7526 张 PNG 混在一起，
  ripple 与 uneven 两类全是 BMP。按文件头（而非后缀）判断：真 PNG 照旧硬链接，
  其余无损转换，不缩放像素，归一化框坐标原样有效；CMYK 等 PNG 存不下的模式转 RGB。
  在真实数据上核对过 3685 张转换结果逐像素一致。
- 文件按 <类别>_<序号> 重新编号。类别取标签第一列，文件名不会与标签矛盾；
  序号在类内按源路径排序、与划分无关，换种子重跑名字不变。新旧名对照写入
  name_map.csv，源文件名里的正反面、位置、时间戳不丢。--keep-names 保留原名。
- 输出 classes.txt（行号即 class_id），供 LabelImg / X-AnyLabeling 复核框时使用。
- 撞名检查改为按输出文件名的小写比较：统一后缀后 a.png 与 a.bmp 会撞，
  macOS 默认文件系统也不区分大小写。

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

datasets/yolo.py

@@ -18,6 +18,21 @@ from pathlib import Path
 IMAGE_SUFFIXES = (".png", ".jpg", ".jpeg", ".bmp", ".tif", ".tiff", ".webp")
 
 
+def write_classes_txt(path: str | Path, classes: Sequence[str]) -> Path:
+    """写 classes.txt：每行一个类别名，行号（从 0 起）即标签里的 class_id。
+
+    ultralytics 训练只读 data.yaml；这份是给 LabelImg / X-AnyLabeling 之类
+    标注工具用的——人工复核、修改框时它们靠它把 class_id 映射回类别名。
+    """
+    bad = [name for name in classes if not name.strip() or "\n" in name]
+    if bad:
+        raise ValueError(f"类别名不能为空或包含换行，否则行号与 class_id 对不上: {bad!r}")
+    path = Path(path)
+    path.parent.mkdir(parents=True, exist_ok=True)
+    path.write_text("".join(f"{name}\n" for name in classes), encoding="utf-8")
+    return path
+
+
 def write_data_yaml(
     path: str | Path,
     classes: Sequence[str],