feat(detect): 把 Label Studio 的 YOLO 导出装配成带 train/val 划分的数据集

scripts/build_yolo_dataset.py：导出（zip 或目录）+ 复核材料里的 images/ -> data/ 下
可训练的数据集。Label Studio 的 YOLO 导出只有标签，本地存储的图片不会打包进去
（get_local_path 对 local-files 直接返回磁盘路径，YOLO_WITH_IMAGES 也一样），
所以图片从准备复核材料的目录按文件名取，硬链接过去。

- 类别顺序照抄导出的 classes.txt：转换器把标签收进 set 再排序编号，与 labeling
  config 的顺序无关，标签里的 class_id 是按它写的。
- 按类别分层切分，分层用"框最多的那个类别"——人工复核后一张图可能有多个类别的框。
- 标签逐行校验：字段数、类别下标、坐标范围。坏标签训练时不会崩，只会悄悄拉低指标。
- 空标签默认保留为负样本；标签找不到图直接报错，图多于标签则告警。

顺带把 link_or_copy 提到 utils/fs.py 共用（此前 generate_boxes 与
prepare_label_studio 各有一份）。

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

scripts/prepare_label_studio.py

@@ -55,7 +55,6 @@ from __future__ import annotations
 import argparse
 import contextlib
 import csv
-import errno
 import io
 import json
 import logging
@@ -73,7 +72,7 @@ sys.path.insert(0, str(Path(__file__).resolve().parents[1]))
 import yaml  # noqa: E402
 
 from datasets.yolo import IMAGE_SUFFIXES, write_classes_txt  # noqa: E402
-from utils import setup_logging  # noqa: E402
+from utils import link_or_copy, setup_logging  # noqa: E402
 
 logger = None
 
@@ -116,21 +115,6 @@ def materialize_png(source: Path, destination: Path) -> str:
     return "convert"
 
 
-def link_or_copy(source: Path, destination: Path) -> str:
-    """硬链接；跨文件系统时退回复制。"""
-    if destination.exists() or destination.is_symlink():
-        destination.unlink()
-    destination.parent.mkdir(parents=True, exist_ok=True)
-    try:
-        os.link(source, destination)
-        return "hard"
-    except OSError as exc:
-        if exc.errno != errno.EXDEV:
-            raise
-        shutil.copy2(source, destination)
-        return "copy"
-
-
 class Sample(NamedTuple):
     """一张图及其标签。