Ultralytics 博客
阅读 Ultralytics 博客，探索 AI 世界！
通过 Ultralytics 深入了解 AI 和计算机视觉的最新趋势。从 YOLO 的进展到突破性应用，探索我们如何塑造技术的未来。
按主题浏览最新文章
精选文章
最适合计算机视觉训练的合成数据工具
按方法比较计算机视觉合成数据工具：3D 仿真、生成模型和数据增强，以及如何使用 Ultralytics YOLO 测试它们。
Events
Ultralytics 参加都柏林 AMD 嵌入式 AI 工作组活动
了解 Ultralytics 和 AMD 如何在 2026 年都柏林 AMD 嵌入式 AI 工作组活动中探索 Physical AI、机器人技术和计算机视觉部署。
Integrations
计算机视觉推理中的 ONNX 与 TensorRT：基准测试及如何选择
ONNX Runtime 与 TensorRT 在计算机视觉推理中的对比：在 19 款 NVIDIA GPU 上测量 Ultralytics YOLO26 的速度和准确率，以及如何选择。
Ultralytics Platform
如何使用精确率和召回率选择自动标注 VLM
根据精确率和召回率选择用于自动标注的 VLM：哪些模型产生的多余框更少、漏检的目标更少，以及如何在自己的数据上进行测试。
Guides
缺失 PPE 检测：使用 Construction-PPE 训练 Ultralytics YOLO
了解 Construction-PPE 如何标注缺失的头盔、背心和手套，然后训练 Ultralytics YOLO，让它在你自己的现场摄像头画面中检测缺失的 PPE。
Guides
无人机检测数据集指南：使用 Ultralytics YOLO 训练微型无人机检测模型
比较 DUT Anti-UAV、Drone-vs-Bird 和热成像无人机检测数据集，然后训练 Ultralytics YOLO26 来发现微型无人机并减少误报。
Ultralytics Platform
医疗影像领域的 HIPAA 合规 AI：BAA 涵盖哪些内容，以及如何使用患者数据训练
了解医疗影像领域的 HIPAA 合规 AI 有哪些要求、Ultralytics 的 BAA 涵盖哪些内容，以及如何使用患者数据进行标注、训练和部署。
Ultralytics Platform
如何将 Ultralytics YOLO 模型从 W&B 迁移到 Ultralytics Platform
将 Ultralytics YOLO 模型从 Weights & Biases (W&B) 导入 Ultralytics Platform，无需重新训练，然后比较实验、导出并部署模型。
Ultralytics Platform
GPT-6.1 Terra 自动标注排名第一，击败 OpenAI 自家的旗舰模型
GPT-6.1 Terra 自动标注在我们的 VLM 排行榜上击败了 39 款模型：每 1,000 张图像仅需 $4.36，mAP50 达到 0.560，领先 GPT-6.1 Sol 和 Gemini 4 Argon。
Ultralytics Platform
MiniMax-M3.1-Flash 自动标注：少一些推理为何能画出更好的框
Ultralytics Platform 中的 MiniMax-M3.1-Flash 自动标注：调优后 mAP50 达到 0.317，每 1,000 张图像成本为 $1.84；在 SAR 船舶检测上得分为 0.86。
Ultralytics Platform
Kimi K3.1 Pro 自动标注：高推理强度下比 K3 好三分之一
Kimi K3.1 Pro 自动标注在 UL37 上的 mAP50 得分为 0.444，比 Kimi K3 高出三分之一。了解我们为何以高推理强度运行它、成本如何，以及它在哪些方面表现出色。
Integrations
Ultralytics YOLO 与 NVIDIA Cosmos Data Factory：用于缺陷检测的合成数据
NVIDIA Cosmos Data Factory 合成数据和智能体训练循环，助力 Ultralytics YOLO26 以更少的标注达到完整数据集的缺陷检测准确率。
Guides
最佳深度估计模型：如何选择
比较 Depth Anything、Depth Pro、Metric3D、UniDepth 和 Ultralytics YOLO26 等单目深度模型，了解它们在度量深度、边缘设备和机器人领域的表现。
查看我们的模型实际运行效果
RTM 使用 Ultralytics YOLO26 将推理成本降低 28%
了解 RTM 如何使用 Ultralytics YOLO26 实现工厂全天候安全监控，并利用制造商已有的硬件将推理成本降低 28%。
SK Godelius 使用 Ultralytics YOLO 检测矿山传送带上的 3,400 处缺陷
了解 SK Godelius 如何使用 Ultralytics YOLO 自动检测缺陷和异常，帮助矿厂提升安全性并简化工作流程。
Camerite 使用 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动化视频监控、缩短开发时间，并帮助城市转向主动安防。
OnsiteIQ 使用 Ultralytics YOLO11 将项目延误减少 20%
了解 OnsiteIQ 如何使用 Ultralytics YOLO11 监控施工现场，将项目延误减少 20%，并以快 3 倍的速度解决纠纷。
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%
了解 mtrail 的 TrainVision 如何使用 Ultralytics YOLO 自动采集铁路数据，将耗时最多缩短 100%，并将错误减少 90%。
Glacier Robotics 将美国回收设施中的 PET 流失率降低了 70%
了解 Glacier Robotics 如何使用 Ultralytics YOLO11 将 PET 泄漏减少 70%、提升回收准确率并实现废弃物分拣自动化。
SOHGA 借助 Ultralytics YOLO 将停车场监控时间缩短 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡逻，将巡逻时间缩短 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新周期从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在边缘设备上微调 AI 模型，同时确保敏感数据安全。
RapiD Engineering 借助 Ultralytics YOLO，将海鲜质量控制系统的部署时间缩短了 1 周
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动检测鲑鱼，在实时检测缺陷的同时，节省一周的工程开发时间。
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护
了解 Project Ocean Oasis 如何使用 Ultralytics YOLO、边缘 AI 和自主监控系统，扩大珊瑚礁保护规模并提升海洋智能水平。
Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持
了解 Volley 如何使用 Ultralytics YOLO 进行姿势估计、球检测和球场分类，为约 250 台场上训练设备提供实时指导。
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI 加速器，将安全违规事件减少 28%
了解 WG Tech Solutions 如何借助边缘端的 Axelera Metis AI 加速器和 Ultralytics YOLO，将制造业安全违规减少了 28%。
Stride 借助 Ultralytics YOLO，在 1 分钟内完成马匹步态分析
了解 Stride 如何在 iPhone 上使用 Ultralytics YOLO26 姿势估计，无需特殊硬件，约一分钟即可完成全面的离线马匹步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何在其 AI-Engine 中使用 Ultralytics YOLOv8 自动分析视网膜图像，助力早期阿尔茨海默病研究，召回率最高达 95%。
SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全
了解 SiteAssist 如何使用 Ultralytics YOLO26 实时核验施工安全照片，处理超过 770,000 张图像并检测出超过 130 万个对象。
Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%
Chef Robotics 使用 Ultralytics YOLO 检测托盘和食材，实现 99.5% 的准确率，并帮助 Cafe Spice 将餐食产量提高一倍以上。
Cali Intelligence 借助 Ultralytics YOLO 将结账排队时间缩短 43%
了解 Cali Intelligence 如何在现有门店监控摄像头上使用 Ultralytics YOLO，借助实时警报和预测将平均结账队列长度缩短 43%。
MarineSitu 使用 Ultralytics YOLO 进行水下监测，系统正常运行时间达到 96% 以上
了解 MarineSitu 如何在边缘硬件上运行 Ultralytics YOLO，检测潮汐涡轮机周围的海洋野生动物，并将每日视频审查时间缩短至一两个小时。
Theia Scientific 借助 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何在 Theiascope™ 平台中使用 Ultralytics YOLO，实时检测、分割和测量 TEM 图像。
eSmart Systems 借助 Ultralytics YOLO 将电力线巡检时间减半
了解 eSmart Systems 如何在 Grid Vision® 中使用 Ultralytics YOLO 检测电网组件和缺陷，将公用事业巡检时间缩短 50%。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何将 Ultralytics YOLO 集成到 Voyager SDK 中，借助 Metis AIPU 实现快速、准确且节能的边缘视觉处理。
意法半导体在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ
了解 STMicroelectronics 如何在低功耗微控制器上高效部署 Ultralytics YOLO 模型，从而在边缘端实现准确的实时推理。
Specialvideo 借助 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何利用 Ultralytics YOLO 模型实现实时 AI 食品检测，确保质量、减少浪费并提升效率。
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上
了解 Vivity AI 如何利用 Ultralytics YOLO 模型增强工业自动化，提升效率、减少停机时间并保障工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个
了解 Videologic Analytics 如何使用 Ultralytics YOLO 提升视频监控准确率、减少误报并缩短产品上市时间。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 34%
了解 Prezent 如何使用 Ultralytics YOLO 检测幻灯片元素，将准确率从 65% 提升至 87%，并在 10 秒内处理完幻灯片。
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%
了解 ALYCE 如何使用 Ultralytics YOLO 提高交通数据准确性、节省两个月的开发时间，并打造更智能的城市交通工具。
Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险
了解 Kiwitron 如何在 KiwiEye 系统中使用 Ultralytics YOLO 模型，检测最远 30 米外的工业危险，让作业现场更安全、更高效。
让我们携手构建 AI 的未来！
开启你的旅程，迎接机器学习的未来