feat: add yolox algo

AGENTS.md

@@ -0,0 +1,43 @@
+# YOLO26 油气田岩性分类工具
+
+## 环境
+```bash
+conda create -n yolo26 python=3.12 -y
+conda activate yolo26
+pip install ultralytics pandas matplotlib
+```
+
+## 核心脚本（均在 `yolo26-deep-main/` 目录下运行）
+| 脚本 | 用途 | 常用参数 |
+|------|------|----------|
+| `custom-train.py` | 训练 | `--data custom_dataset --epochs 40 --device cpu` |
+| `final_predict.py` | 评估 | `--device cpu`（默认输入 `custom_dataset/val`，输出 `分类预测结果.csv`） |
+| `filter_low_conf.py` | 过滤低置信度 | `--csv 分类预测结果.csv --threshold 90` |
+| `plot_metrics.py` | 绘图 | `--csv runs/classify/train/results.csv --output 训练曲线.png` |
+| `predict.py` | 单图预测 | `--image <路径> --device cpu`（`--image` 必填） |
+
+> ⚠️ **重要规则**：除非用户明确要求或授权，**禁止**运行 `custom-train.py`（训练耗时长，应优先使用已有的 `best.pt` 权重文件）
+
+## 典型工作流
+```bash
+cd yolo26-deep-main
+python custom-train.py --data custom_dataset --epochs 40 --device cpu
+python final_predict.py --device cpu
+python filter_low_conf.py --csv 分类预测结果.csv --threshold 90
+python plot_metrics.py --csv runs/classify/train/results.csv --output 训练曲线.png
+python predict.py --image custom_dataset/val/灰岩/xxx.jpg --device cpu
+```
+
+## 关键事实
+- 所有路径均为**相对路径**，脚本**必须**从 `yolo26-deep-main/` 目录运行
+- 所有脚本均使用 `argparse`，支持 `--help` 查看参数
+- 预训练权重：`yolo26n-cls.pt`（默认）、训练产出：`runs/classify/train/weights/best.pt`
+- CSV 列名为 `图片名,真实标签,预测类别,置信度`（`filter_low_conf.py` 已适配，**不是** `置信度(%)`）
+- 当前模型评估准确率约 **92.25%**
+- 数据按 5 个中文类别分子文件夹：`灰岩`、`泥页岩`、`砂砾岩`、`特殊岩`、`云岩`
+
+## 输出
+- `分类预测结果.csv` — 预测结果表
+- `岩性分类结果/` — 按真实标签分类的图片副本
+- `训练曲线.png` — 训练曲线图
+- `置信度低于阈值的样本.csv`、`预测错误的所有图片.csv` — 过滤结果