机器视觉 · 函数

目标检测YOLO

使用 cv2.dnn 加载 YOLO 模型进行目标检测。模型路径不含扩展名（.cfg/.weights 自动追加）。

调用签名(图像, 模型路径, 置信度=0.5, 输入尺寸=(416, 416))

目ZHONGWEN
PYTHON

Chinese example

中文代码示例

# 案例：机器视觉入口
设 功能 = 机器视觉.目标检测YOLO
打印(功能)

可直接放进 .cs / .中py 文件运行。转换器会把中文代码交给真实 Python 解释器。

Parameters

参数说明

4 个参数

参数类型 / 传入方式说明

图像可选 · 默认无

未声明位置参数或字段名=值

OpenCV、Pillow、NumPy 数组或底层库可识别的图像对象。

常见错误：漏传或对象为 None 会报 TypeError/AttributeError;先调用对应的创建函数拿到图像再传入

模型路径可选 · 默认无

未声明位置参数或字段名=值

ONNX、BIM、DXF、栅格或其他模型文件路径。

常见错误：漏传或路径不存在会报 FileNotFoundError;先确认路径拼写并用存在检查

置信度可选 · 默认 0.5

未声明位置参数或字段名=值

按函数业务含义传入置信度;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

输入尺寸可选 · 默认 (416, 416)

未声明位置参数或字段名=值

按函数业务含义传入输入尺寸;首次使用建议先打印(结果) 确认其作用。

常见错误：类型不匹配会报 TypeError;按字段类型列传值,首次使用建议先打印(结果) 确认结构

Playbook

基础用法 · 进阶组合 · 错误排查

# 案例：机器视觉入口
设 功能 = 机器视觉.目标检测YOLO
打印(功能)

# 进阶组合:目标检测YOLO 配合 机器视觉 业务流使用
设 图像 = 机器视觉.读取图像("outputs/示例.png")
设 结果 = 机器视觉.目标检测YOLO(
    图像=图像,  # 必填
    模型路径="outputs/model.onnx",  # 必填
    置信度=0.5,  # 可选
)
机器视觉.保存图像("outputs/灰度示例.png", 灰度)
打印(结果)

# 错误排查:覆盖 2 个必填参数

## 参数 1: 图像
# 错误:漏传会报 TypeError: missing required argument
# 设 结果 = 机器视觉.目标检测YOLO()  # TypeError
# 修复:补上必填字段
设 结果 = 机器视觉.目标检测YOLO(图像=图像)

## 参数 2: 模型路径
# 错误:路径不存在会报 FileNotFoundError
# 设 结果 = 机器视觉.目标检测YOLO(模型路径="不存在的文件")  # FileNotFoundError
# 修复:先确认路径存在
设 路径 = "outputs/示例"
设 结果 = 机器视觉.目标检测YOLO(模型路径=路径)
打印(结果)