chore: update dataset config for 12-class training

- 新数据集：12类电力设备红外图像（bushing, arrester, breaker等）
- 训练集：6735张，验证集：765张（删除2张越界标签图像）
- YOLOv8n模型训练50 epochs
- 验证结果：mAP@0.5=76.42%, mAP@0.5:0.95=61.64%
- 更新PROGRESS.md记录

PROGRESS.md

@@ -3,9 +3,10 @@
 ## 项目概述
 
 - **项目名称**: 红外故障检测 (InfraredFault)
-- **项目路径**: `/home/sky/files/PythonProjects/InfraredFault/1BaseOnYOLO`
+- **项目路径**: `/home/sky/files/PythonProjects/InfraredFault/2BaseOnYOLO_InfraredData`
 - **基于报告**: 李傲琦-阶段性报告(202602).pdf
 - **目标**: 基于YOLO实现红外图像目标识别与ROI区域温度特征提取
+- **更新日期**: 2026-03-26
 
 ---
 
@@ -278,3 +279,49 @@
 - **2026-03-26**: 完成阶段二训练优化：28 epochs训练，mAP@0.5=99.5%, Precision=100%, Recall=100%
 - **2026-03-26**: 修复convert_to_yolo.py类别ID错误，重新转换数据集并训练5类别模型
 - **2026-03-26**: 5类别模型训练完成：46 epochs，mAP@0.5=99.5%，各类别均衡
+
+---
+
+## 新数据集训练记录 (12类)
+
+**完成时间**: 2026-03-26
+
+### 新数据集概况
+- **数据集**: 12类电力设备红外图像
+- **训练集**: 6735张
+- **验证集**: 767张
+- **类别**: bushing, arrester, breaker, clamp, conservator, current-transformer, disconnector, disconnector2, disconnector3, heat-sink, insulator, transformer
+
+### 训练配置
+- **基础模型**: YOLOv8n
+- **训练轮数**: 50 epochs
+- **图像尺寸**: 640
+- **设备**: NVIDIA GeForce RTX 4060 (GPU)
+
+### 验证结果
+| 指标 | 值 |
+|------|-----|
+| mAP@0.5 | 76.42% |
+| mAP@0.5:0.95 | 61.64% |
+| Precision | 66.58% |
+| Recall | 87.93% |
+
+### 各类别性能
+| 类别 | Precision | Recall | mAP@0.5 |
+|------|-----------|--------|---------|
+| bushing | 0.925 | 0.990 | 0.994 |
+| arrester | 0.930 | 0.980 | 0.991 |
+| breaker | 0.797 | 0.910 | 0.898 |
+| clamp | 0.781 | 0.973 | 0.918 |
+| conservator | 0.546 | 0.823 | 0.718 |
+| current-transformer | 0.856 | 0.977 | 0.951 |
+| disconnector | 0.651 | 0.975 | 0.813 |
+| disconnector2 | 0.306 | 0.767 | 0.286 |
+| disconnector3 | 0.566 | 0.940 | 0.886 |
+| heat-sink | 0.612 | 0.429 | 0.546 |
+| insulator | 0.731 | 0.966 | 0.880 |
+| transformer | 0.289 | 0.822 | 0.290 |
+
+### 数据问题
+- 发现2张图像标签存在类别ID越界问题（class 12超出0-11范围），需要修正
+- disconnector2和transformer类别mAP较低，可能需要更多训练数据或数据增强