训练数据

用 OpenCV Canny 输出两组边缘图，比较阈值、轮廓连续性与噪点，区分边缘和语义标签。

用 OpenCV 彩色非局部均值比较两档去噪，保留原图，检查噪点、细线和目标纹理是否丢失。

用 OpenCV CLAHE 在灰度副本上比较两档局部对比增强，核对尺寸、噪点和训练分布限制。

用 spaCy Sentencizer 按中文标点断句并输出字符偏移，核对尾段、原文切片和复杂标点限制。

用 CVAT Track 建立视频目标轨迹，修正关键帧、处理 Outside，并检查插值和导出 ID。

按 sample_id 将特征表与标签表一对一连接，实际检查两侧重复编号、缺失编号和未匹配记录，保存审计表后才生成训练输入。

预测前按明确字段规则校验表格，分别拦截缺列、非法数值、无穷大和越界值，保留拒绝行，并仅用训练统计填补允许缺失的特征。

用 batched map 将文本拆成多行，同步复制来源与标签，移除旧列并排查 ArrowInvalid 列长不一致。

用 ImageHash pHash 筛出训练图片近似重复，保留哈希库存、候选图片对与错误清单；通过合成图片核对距离，人工校准阈值并避免训练测试同源泄漏。

保存 DatasetDict，在新进程从磁盘恢复训练与验证划分，核对行数、样本和 ClassLabel 结构及离线前提。