feat(detect): 默认模型换成 yolo26n

CLAUDE.md 已把"只用 convolution 模型"收窄到聚类与数据集生成阶段，检测这一步
不再受限，于是换成最新的 YOLO26：端到端（NMS-free），推理侧少一道后处理。
取最小的 n 档——数据 1.1 万张且标签是弱监督的，模型大了容易把标注噪声学进去。

同时去掉 test_config.py 里"不许用 yolo11/yolo12"的断言，它的依据已随
CLAUDE.md 的改动失效。

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

README.md

@@ -629,9 +629,9 @@ data/boxes_gradcam/
 
 ### 模型与增强的取舍
 
-- **选 YOLOv8 而不是 v11/v12**：CLAUDE.md 限定只用 convolution 模型，而 YOLO11 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/速度折中——数据只有 1.1 万张且标签是弱监督的，模型再大容易把标注噪声一起学进去。
+- **默认 YOLO26 的 `n` 档**：CLAUDE.md 的"只用 convolution 模型"只约束聚类与数据集生成阶段，
+  检测这一步不受限，所以用最新的 YOLO26——它是端到端的（NMS-free），推理侧少一道后处理。
+  选最小的 `n`：数据只有 1.1 万张且标签是弱监督的，模型再大容易把标注噪声一起学进去。
 - **关掉 mosaic / mixup**：它们把四张图拼一起，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` 这类本就只占千分之几面积的类别是净伤害。
 - **关掉 hsv_h**：薄膜图近乎单色，色相扰动没有意义。翻转照旧开着（缺陷没有固定朝向）。