ToolAgent/AGENTS.md

YOLO26 油气田岩性分类工具

环境

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

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