目标检测输出的是什么？

每次检测，模型会给你三样东西：

二、YOLO 是什么？为什么用它？

YOLO 是 You Only Look Once 的缩写，翻译过来就是——只看一眼。

这个名字精准描述了它的核心思想：

传统检测方法需要先"扫描"图片多遍找候选区域，再逐个分类，速度慢。 YOLO 把这两步合并成一步，一次前向传播就把所有目标检测出来，速度极快。

YOLO 的发展历史

2016年  YOLO v1   —— 开创性地提出"一次看完"思路
2017年  YOLO v2   —— 增加锚框，精度大幅提升
2018年  YOLO v3   —— 多尺度检测，能找小目标
2020年  YOLO v4/v5 —— 工程化更成熟，社区爆火
2022年  YOLO v8   —— Ultralytics 全面重构
2024年  YOLO11   —— 最新版本，更轻更快更准 ✨

YOLO11 vs 前代：哪里更强？

YOLO11 是 Ultralytics 于 2024 年发布的，主要升级点：

• C3k2 模块：新型卷积单元，参数更少但特征更丰富
• SPPF + C2PSA：空间金字塔池化 + 注意力机制，多尺度感知更强
• 推理速度更快：在相同精度下，推理速度比 YOLO v8 快约 2%，参数量减少约 22%
• 支持五大任务：目标检测、实例分割、图像分类、姿态估计、旋转目标检测

三、YOLO11 怎么工作的？（图解版）

YOLO11 把一张图片"看完"分三步：

第一步：骨干网络提取特征

图片进入模型后，先经过一系列卷积层，把图片"压缩"成高维特征图。你可以理解成：把一张照片抽象成一堆数学特征，记住"这里有条边"、"那里有个圆弧"……

关键结构：C3k2 模块（改进的瓶颈结构）+ SPPF（空间金字塔池化）

第二步：颈部网络融合多尺度信息

大物体（如卡车）在粗粒度特征图里看得清；小物体（如行人、远处的小猫）在细粒度特征图里才能找到。颈部网络把不同尺度的特征图拼合在一起，确保大小目标都不漏。

第三步：检测头输出预测

最终，检测头在特征图的每个位置预测：这里有目标吗？是什么？在哪儿？有多确定？

整个过程只需一次前向传播，图片分辨率 640×640 时，现代 GPU 可达 100+ FPS（帧/秒）！

四、YOLO11 能干什么？（应用场景）

目标检测是计算机视觉最核心的应用之一，YOLO11 在以下场景中大放异彩：

安防监控

• 人脸 + 人体检测，识别入侵
• 人群密度分析
• 行为异常预警（摔倒检测、翻越围栏）

自动驾驶

• 实时检测行人、车辆、信号灯、标志牌
• 毫秒级响应，保障行驶安全

工业质检

• 产品外观缺陷检测（划痕、裂缝、异物）
• 生产线零件计数与分类

医疗影像

• CT/X 光片中的病灶定位
• 皮肤病变检测

零售与物流

• 商品识别与自助结算
• 快递包裹分拣自动化

农业

• 作物病虫害识别
• 果实成熟度检测与采摘引导

五、YOLO11 模型怎么选？

YOLO11 提供五个尺寸版本，从小到大，精度和速度各有侧重：

小白建议：从 yolo11n.pt 或 yolo11s.pt 开始，熟悉之后再换更大模型。

六、WorkBuddy 是什么？为什么要结合它用？

WorkBuddy 是一款 AI 编程与工作助手，最大的特点是：

• 💬 自然语言对话驱动：你说要干什么，它负责写代码、装依赖、运行、返回结果
• 🛠️ 内置技能市场：YOLO11 检测已经是预置技能，无需手动配置
• 🤖 自动化调度：可以设置定时任务，让它每天自动跑检测、生成日报
• 📊 智能分析报告：检测完成后，AI 自动总结"检测到了什么、数量、置信度分布"等洞察

一句话：YOLO11 是工具，WorkBuddy 是会用工具的人。

七、YOLO11 Skills：用 WorkBuddy 自动生成 YOLO11 Skills

使用skill开发生成YOLO11 Skills

由于使用YOLO11进行目标检测及对使用检测结果对原图进行标准的代码比较复杂，对于python小白技术门槛太高，所以从零开始写YOLO11 Skills是不太现实的。我们直接在Workbuddy代码开发模式中输入以下指令用Skill开发生成：

提交执行完毕后，将在C:\Users\用户名\.workbuddy\skills\自动生成一个yolo11-detector的目标检测技能，目录如下：

-yolo11-detector
  --references
  --scripts
  --SKILL.md

在scripts目录中有一个run_detection.py脚本，用于进行目标检测并对处理结果。代码内容如下：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
"""
YOLO11 目标检测脚本
使用 Ultralytics YOLO11 模型进行目标检测，输出结构化结果。
通过 Anaconda base 环境运行。

用法:
    python run_detection.py --source <图片/视频/目录路径> [选项]

示例:
    python run_detection.py --source image.jpg
    python run_detection.py --source images/ --model yolo11n.pt --conf 0.3
    python run_detection.py --source 0  # 摄像头实时检测
    python run_detection.py --source video.mp4
"""

import argparse
import sys
import os
import json
from pathlib import Path


def check_dependencies():
    """检查并提示安装所需依赖"""
    missing = []
    try:
        import ultralytics
    except ImportError:
        missing.append("ultralytics")
    try:
        import cv2
    except ImportError:
        missing.append("opencv-python")

    if missing:
        print("[错误] 缺少依赖包，请在 Anaconda base 环境中执行以下命令安装：")
        print(f"  pip install {' '.join(missing)}")
        print("\n推荐在 Anaconda base 环境中安装：")
        print("  D:\\Program\\anaconda3\\python.exe -m pip install ultralytics opencv-python")
        sys.exit(1)


def run_detection(
    source: str,
    model_path: str = "yolo11n.pt",
    conf: float = 0.25,
    iou: float = 0.45,
    save_img: bool = True,
    save_txt: bool = False,
    save_json: bool = True,
    show: bool = False,
    classes: list = None,
    device: str = "",
    project: str = "runs/detect",
    name: str = "result",
):
    """
    运行 YOLO11 目标检测

    Args:
        source: 输入源（图片路径/目录/视频/摄像头编号）
        model_path: 模型权重文件路径
        conf: 置信度阈值
        iou: IOU 阈值（NMS 用）
        save_img: 是否保存标注后的图片
        save_txt: 是否保存检测结果为 .txt
        save_json: 是否保存检测结果为 JSON
        show: 是否弹出窗口显示（无 GUI 环境设为 False）
        classes: 过滤类别（None 表示检测所有类别）
        device: 推理设备（"" 自动选择，"cpu"，"0" 表示 GPU 0）
        project: 输出根目录
        name: 输出子目录名称
    """
    from ultralytics import YOLO

    print(f"[INFO] 加载模型: {model_path}")
    model = YOLO(model_path)

    print(f"[INFO] 开始检测，输入源: {source}")
    results = model.predict(
        source=source,
        conf=conf,
        iou=iou,
        save=save_img,
        save_txt=save_txt,
        show=show,
        classes=classes,
        device=device if device else None,
        project=project,
        name=name,
        exist_ok=True,
        verbose=True,
    )

    # ---- 汇总输出 ----
    summary = []
    for i, result in enumerate(results):
        frame_info = {
            "frame": i,
            "image_path": str(result.path) if hasattr(result, "path") else "",
            "image_shape": list(result.orig_shape),
            "speed_ms": result.speed,
            "detections": [],
        }

        if result.boxes is not None and len(result.boxes) > 0:
            boxes = result.boxes
            names = model.names

            for j in range(len(boxes)):
                cls_id = int(boxes.cls[j].item())
                conf_val = float(boxes.conf[j].item())
                xyxy = boxes.xyxy[j].tolist()
                xywh = boxes.xywhn[j].tolist()  # 归一化 xywh

                det = {
                    "id": j,
                    "class_id": cls_id,
                    "class_name": names[cls_id],
                    "confidence": round(conf_val, 4),
                    "bbox_xyxy": [round(v, 2) for v in xyxy],
                    "bbox_xywhn": [round(v, 4) for v in xywh],
                }
                frame_info["detections"].append(det)

        summary.append(frame_info)

    # ---- 控制台打印 ----
    print("\n" + "=" * 60)
    print("  YOLO11 目标检测结果汇总")
    print("=" * 60)
    total_dets = sum(len(f["detections"]) for f in summary)
    print(f"处理帧数: {len(summary)}")
    print(f"总检测数: {total_dets}\n")

    for frame in summary:
        print(f"[帧 {frame['frame']}] {os.path.basename(frame['image_path'])}")
        print(f"  图像尺寸: {frame['image_shape']}")
        spd = frame["speed_ms"]
        if isinstance(spd, dict):
            print(f"  推理耗时: preprocess={spd.get('preprocess', 0):.1f}ms  "
                  f"inference={spd.get('inference', 0):.1f}ms  "
                  f"postprocess={spd.get('postprocess', 0):.1f}ms")
        if frame["detections"]:
            print(f"  检测到 {len(frame['detections'])} 个目标:")
            for det in frame["detections"]:
                print(f"    [{det['id']+1}] {det['class_name']:20s} "
                      f"置信度: {det['confidence']:.2%}  "
                      f"坐标(xyxy): {det['bbox_xyxy']}")
        else:
            print("  未检测到目标")
        print()

    # ---- 保存 JSON ----
    if save_json:
        json_path = Path(project) / name / "detections.json"
        json_path.parent.mkdir(parents=True, exist_ok=True)
        with open(json_path, "w", encoding="utf-8") as f:
            json.dump(summary, f, ensure_ascii=False, indent=2)
        print(f"[INFO] JSON 结果已保存至: {json_path}")

    # 保存路径
    save_dir = Path(project) / name
    if save_img:
        print(f"[INFO] 标注图片已保存至: {save_dir}/")

    print("\n[完成] 目标检测任务结束。")
    return summary


def main():
    parser = argparse.ArgumentParser(
        description="YOLO11 目标检测脚本（通过 Anaconda base 环境运行）",
        formatter_class=argparse.RawDescriptionHelpFormatter,
        epilog="""
示例:
  python run_detection.py --source image.jpg
  python run_detection.py --source images/ --model yolo11n.pt --conf 0.4
  python run_detection.py --source video.mp4 --save-txt
  python run_detection.py --source 0 --show         # 摄像头实时检测
  python run_detection.py --source image.jpg --classes 0 2  # 只检测人和车

Anaconda base 环境运行方式:
  D:\\Program\\anaconda3\\python.exe run_detection.py --source image.jpg
        """,
    )

    parser.add_argument("--source", required=True,
                        help="输入源：图片/视频路径、目录、摄像头编号(0)或 URL")
    parser.add_argument("--model", default="yolo11n.pt",
                        help="模型权重路径（默认: yolo11n.pt，优先使用当前目录下的文件，不存在则自动下载）")
    parser.add_argument("--conf", type=float, default=0.25,
                        help="置信度阈值（默认: 0.25）")
    parser.add_argument("--iou", type=float, default=0.45,
                        help="NMS IOU 阈值（默认: 0.45）")
    parser.add_argument("--device", default="",
                        help="推理设备：'' 自动 / 'cpu' / '0' GPU编号")
    parser.add_argument("--classes", nargs="+", type=int, default=None,
                        help="过滤类别 ID，例如 --classes 0 1 2")
    parser.add_argument("--save-txt", action="store_true",
                        help="同时保存 .txt 格式结果")
    parser.add_argument("--no-save-img", action="store_true",
                        help="不保存标注图片")
    parser.add_argument("--no-save-json", action="store_true",
                        help="不保存 JSON 结果")
    parser.add_argument("--show", action="store_true",
                        help="弹窗显示检测结果（需要 GUI 环境）")
    parser.add_argument("--project", default="runs/detect",
                        help="输出根目录（默认: runs/detect）")
    parser.add_argument("--name", default="result",
                        help="输出子目录名称（默认: result）")

    args = parser.parse_args()

    check_dependencies()

    run_detection(
        source=args.source,
        model_path=args.model,
        conf=args.conf,
        iou=args.iou,
        save_img=not args.no_save_img,
        save_txt=args.save_txt,
        save_json=not args.no_save_json,
        show=args.show,
        classes=args.classes,
        device=args.device,
        project=args.project,
        name=args.name,
    )


if __name__ == "__main__":
    main()

八、实战演示：用 WorkBuddy 自动运行 YOLO11

场景一：单张图片检测

在demo目录这种有一张dog.png图片：

只需在 WorkBuddy 对话框中输入：

帮我对这张图片（./demo/dog.png）进行 YOLO11 目标检测，使用./demo/yolo11n.pt 模型，输出标注结果和检测报告。

WorkBuddy 会自动：

1. 检查 Anaconda 环境，安装 ultralytics 依赖
2. 调用 YOLO11 模型对图片推理
3. 保存带标注框的结果图
4. 输出检测汇总：检测到几个目标、分别是什么、置信度多少

可见，已经调用YOLO11 的技能。

执行完成后将输出目标检测结果，并自动在当面目录中生成一个result文件夹用于存放生成的结果。

我们查看detection_report.html文件

我们查看带标注结果的图片。

我们查看detections.json文件

场景二：批量图片检测

对 ./demo 目录下所有 png 文件进行 YOLO11 目标检测，使用./demo/yolo11n.pt 模型。统计每张图片中出现的目标类别和数量，生成 Excel 汇总报告

WorkBuddy 会自动：

• 遍历目录，逐个处理图片
• 汇总每章图片的检测结果
• 生成 Excel 格式的数据报告

执行结束后，将生成检测结果和yolo11_检测报告的Excel文件。

检测报告的检测汇总如下：

目标明细如下：

类别统计如下：