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>

utils/__init__.py

@@ -1,4 +1,4 @@
-"""通用工具：配置、注册表、日志、随机种子、设备检查。"""
+"""通用工具：配置、注册表、日志、随机种子、设备检查、文件落盘。"""
 
 from utils.config import Config, load_config
 from utils.device import (
@@ -10,6 +10,7 @@ from utils.device import (
     resolve_amp,
     resolve_device,
 )
+from utils.fs import link_or_copy
 from utils.logging import get_logger, setup_logging
 from utils.registry import Registry
 from utils.seed import seed_everything
@@ -28,4 +29,5 @@ __all__ = [
     "setup_logging",
     "Registry",
     "seed_everything",
+    "link_or_copy",
 ]