feat(detect): 把弱监督框数据集链接到 data/ 并接上 YOLO 训练

第五步产出的框标签按类别分目录，便于人工核对；检测训练要的是 train/val
划分——类别写在标签第一列，不靠目录名。补上两个入口：

- scripts/prepare_yolo_dataset.py：拍平类别目录、按类别分层切分、硬链接到
  data/。分层是必需的，black 只有 53 张，随机切容易让小类在验证集里挂零。
  无框的图默认保留（检测训练里是压低误检的负样本）；拍平后的同名冲突直接
  报错而不是静默覆盖。
- detect.py + configs/detect/film.yaml：包一层 ultralytics，沿用本仓库的
  配置继承、设备解析与 SwanLab 可视化。

选 YOLOv8 而不是 v11/v12：CLAUDE.md 限定只用 convolution 模型，YOLO11 骨架
里有 C2PSA、YOLO12 以注意力为主，只有 v8 的 C2f + SPPF 是纯卷积。
mosaic/mixup 关掉——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 这类只占千分之几面积的类别是净伤害。

ultralytics 的 project 必须传绝对路径，相对路径会被它再拼到全局 settings
的 runs_dir 上，产出会跑到 runs/detect/runs/detect/<name> 去。

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

configs/detect/film.yaml

@@ -0,0 +1,57 @@
+# 在 Grad-CAM / SHAP 生成的弱监督框上训练 YOLO 检测模型。
+#
+# 前置步骤：
+#   uv run python scripts/generate_boxes.py --config ... --method gradcam   # 产出 runs/boxes_gradcam
+#   uv run python scripts/prepare_yolo_dataset.py --source runs/boxes_gradcam
+#
+# 用法：
+#   uv run python detect.py --config configs/detect/film.yaml
+#   uv run python detect.py --config configs/detect/film.yaml --eval-only \
+#       --checkpoint runs/detect/film/weights/best.pt
+
+work_dir: runs/detect/film
+seed: 42
+device: auto
+
+data:
+  yaml: data/boxes_gradcam/data.yaml
+
+model:
+  # 选 v8 而不是 v11/v12：CLAUDE.md 限定只用 convolution 模型，
+  # 而 YOLO11 的骨架里有 C2PSA（position-sensitive attention）、YOLO12 更是以注意力为主。
+  # YOLOv8 的 C2f + SPPF 是纯卷积。
+  # s 是精度/速度的折中；数据只有 1.1 万张且标签是弱监督的，再大容易把标注噪声也学进去。
+  weights: yolov8s.pt
+
+train:
+  epochs: 100
+  imgsz: 640
+  batch: 16
+  workers: 8
+  optimizer: auto
+  patience: 20          # 20 轮没提升就早停
+  cos_lr: true
+  fraction: 1.0        # 只取训练集的一部分；冒烟测试时调小，如 0.02
+  amp: true             # 非 CUDA 后端 ultralytics 会自行退回关闭
+
+  # 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。
+  fliplr: 0.5
+  flipud: 0.5
+  degrees: 0.0
+  mosaic: 0.0
+  mixup: 0.0
+  hsv_h: 0.0            # 单色/近单色的薄膜图，色相扰动没有意义
+  hsv_s: 0.3
+  hsv_v: 0.3
+
+  plots: true           # results.png / PR 曲线 / 混淆矩阵 / val_batch 预测图
+  save_period: -1
+
+  swanlab:
+    enabled: true
+    project: film-detect
+    name: null
+    mode: local
+    tags: [detect, yolov8s, gradcam-boxes]