Ultralytics 博客
通过 Ultralytics 博客探索 AI 的世界！
通过 Ultralytics 深入了解 AI 和计算机视觉领域的最新趋势。从 YOLO 的发展到突破性应用，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
Ultralytics Platform 监控：让视觉 AI 部署步入正轨
使用 Ultralytics Platform 监控已部署的视觉 AI 模型。跟踪端点运行状况、延迟、错误、日志和实时预测统计信息。
Events
Ultralytics YOLO Vision 2026 的主要亮点！
YOLO Vision 2026 的精彩时刻，Ultralytics 在会上发布了 Ultralytics YOLO27，并在 Ultralytics Platform 上展示了 AutoTrain、Agents 和 Monitoring。
Ultralytics Platform
隆重推出 Ultralytics Agents：更快地构建视觉 AI 工作流
使用 Ultralytics Agents 构建视觉 AI 工作流。连接 YOLO、视觉语言模型、条件、数据集和操作。
Ultralytics Platform
隆重推出 Ultralytics AutoTrain：简化视觉 AI 模型训练
在 Ultralytics Platform 中使用 AutoTrain 训练、比较和改进 Ultralytics YOLO 模型，从初始基准测试到生产部署。
Guides
人员计数和占用率分析究竟如何工作
了解人员计数和占用率分析的工作原理：比较 WiFi、ToF、热成像和基于摄像头的视觉方法、现有产品，以及如何自行构建。
Guides
如何为现有安防摄像头添加 AI 分析
为现有摄像头系统添加 AI 分析的三种路径：分析层、VMS 升级和自托管模型，以及决定方案的限制因素。
Vision AI
使用 Ultralytics 进行个人防护装备检测与工作场所安全
使用 Ultralytics Platform 构建个人防护装备检测：标注现场图像，训练 YOLO26，部署到云端或边缘，并验证工作场所安全监控。
Vision AI
机器人质量检测：覆盖范围为何是难点
了解机器人质量检测的工作原理：扫描规划、标定、机器人与视觉同步、多视角融合、覆盖范围证明和质量记录。
Vision AI
计算机视觉如何引导 AMR、AGV 和自动驾驶叉车
了解计算机视觉如何助力 AMR、AGV 和自动驾驶叉车导航，摄像头、激光雷达和深度信息如何互为补充，以及安全保障的定位。
Guides
用于装配和抓取放置的视觉引导机器人技术
了解视觉引导的抓取与放置如何贯穿感知、理解、标定、抓取规划、运动和恢复，并提供 2D 与 3D 的选择指南。
Vision AI
借助计算机视觉进行装配验证与防错
计算机视觉如何验证装配的完整性、正确性和顺序：成像工位设计、模型任务选择、PLC 集成与验证。
Vision AI
制造业自动化缺陷检测：平台对比
比较自动化缺陷检测平台：Cognex、Instrumental、Keyence、Landing AI、Overview 和 Ultralytics，并了解如何将模型任务与缺陷匹配。
Guides
Scale AI 数据标注替代方案
用于视觉数据标注的 Scale AI 替代方案：iMerit、SuperAnnotate 和 Ultralytics Platform，从成本、控制力、扩展速度和数据处理等方面进行比较。
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 赋能 7x24 小时工厂安全监控，将制造商已拥有的硬件上的推理成本降低 28%。
SK Godelius 使用 Ultralytics YOLO 检测采矿输送机上的 3,400 个缺陷
了解 SK Godelius 如何使用 Ultralytics YOLO 自动检测缺陷和异常，帮助采矿厂提高安全并优化工作流。
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动执行视频监控，将开发时间缩短，并帮助城市转向主动式安防。
OnsiteIQ 借助 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%，并将争议解决速度提升至 3 倍。
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 自动执行铁路数据采集，将耗时最多减少 100%，并将错误减少 90%。
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 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，并自动执行废物分拣。
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡检，将巡检时间减少 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在确保敏感数据安全的同时，于边缘设备上微调 AI 模型。
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动执行鲑鱼检测、实时发现缺陷，并节省一周的工程工作时间。
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，扩大珊瑚礁保护和海洋智能的规模。
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练
“真正令人满意的是，该模型在训练器上的边缘硬件上能够很好地实时运行，而且我们可以在云端使用同一个模型，执行完全相同的流程。”
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%
了解 WG Tech Solutions 如何借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator，将制造业中的安全违规减少 28%
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计，在 1 分钟内完成完整的步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何利用 Ultralytics YOLO 模型自动执行工作流程，并实现 95% 的召回率。
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性
了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全性。
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%
探索 Chef Robotics 如何使用 Ultralytics YOLO 模型实现精准食品组装。
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%
探索 Cali Intelligence 如何使用 Ultralytics YOLO 模型，通过对象检测减少零售结账排队。
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上
了解 MarineSitu 如何使用 Ultralytics YOLO 改变水下对象检测。
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何使用 Ultralytics YOLO 重新定义显微镜数据分析。
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半
了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度，改变公用设施巡检。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何利用 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉。
STMicroelectronics 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，实现边缘侧精准的实时推理。
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何使用 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、减少停机时间并确保工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K
了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控，提升检测准确率、减少误报并优化实时威胁监测。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%
了解 Prezent 如何利用 Ultralytics YOLO 模型自动检测幻灯片元素，在保留结构和设计的同时，将处理时间缩短至 10 秒以内。
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 模型提升数据准确性、优化城市交通，并为可持续发展的智慧城市打造 AI 驱动的交通解决方案。
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险
探索 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型检测并处理工业危险，提升安全性。
RTM 使用 Ultralytics YOLO26 将推理成本降低 28%
了解 RTM 如何使用 Ultralytics YOLO26 赋能 7x24 小时工厂安全监控，将制造商已拥有的硬件上的推理成本降低 28%。
SK Godelius 使用 Ultralytics YOLO 检测采矿输送机上的 3,400 个缺陷
了解 SK Godelius 如何使用 Ultralytics YOLO 自动检测缺陷和异常，帮助采矿厂提高安全并优化工作流。
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动执行视频监控，将开发时间缩短，并帮助城市转向主动式安防。
OnsiteIQ 借助 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%，并将争议解决速度提升至 3 倍。
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 自动执行铁路数据采集，将耗时最多减少 100%，并将错误减少 90%。
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 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，并自动执行废物分拣。
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡检，将巡检时间减少 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在确保敏感数据安全的同时，于边缘设备上微调 AI 模型。
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动执行鲑鱼检测、实时发现缺陷，并节省一周的工程工作时间。
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，扩大珊瑚礁保护和海洋智能的规模。
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练
“真正令人满意的是，该模型在训练器上的边缘硬件上能够很好地实时运行，而且我们可以在云端使用同一个模型，执行完全相同的流程。”
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%
了解 WG Tech Solutions 如何借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator，将制造业中的安全违规减少 28%
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计，在 1 分钟内完成完整的步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何利用 Ultralytics YOLO 模型自动执行工作流程，并实现 95% 的召回率。
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性
了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全性。
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%
探索 Chef Robotics 如何使用 Ultralytics YOLO 模型实现精准食品组装。
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%
探索 Cali Intelligence 如何使用 Ultralytics YOLO 模型，通过对象检测减少零售结账排队。
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上
了解 MarineSitu 如何使用 Ultralytics YOLO 改变水下对象检测。
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何使用 Ultralytics YOLO 重新定义显微镜数据分析。
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半
了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度，改变公用设施巡检。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何利用 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉。
STMicroelectronics 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，实现边缘侧精准的实时推理。
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何使用 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、减少停机时间并确保工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K
了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控，提升检测准确率、减少误报并优化实时威胁监测。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%
了解 Prezent 如何利用 Ultralytics YOLO 模型自动检测幻灯片元素，在保留结构和设计的同时，将处理时间缩短至 10 秒以内。
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 模型提升数据准确性、优化城市交通，并为可持续发展的智慧城市打造 AI 驱动的交通解决方案。
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险
探索 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型检测并处理工业危险，提升安全性。
RTM 使用 Ultralytics YOLO26 将推理成本降低 28%
了解 RTM 如何使用 Ultralytics YOLO26 赋能 7x24 小时工厂安全监控，将制造商已拥有的硬件上的推理成本降低 28%。
SK Godelius 使用 Ultralytics YOLO 检测采矿输送机上的 3,400 个缺陷
了解 SK Godelius 如何使用 Ultralytics YOLO 自动检测缺陷和异常，帮助采矿厂提高安全并优化工作流。
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%
了解 Camerite 如何使用 Ultralytics YOLO 自动执行视频监控，将开发时间缩短，并帮助城市转向主动式安防。
OnsiteIQ 借助 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%，并将争议解决速度提升至 3 倍。
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 自动执行铁路数据采集，将耗时最多减少 100%，并将错误减少 90%。
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 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，并自动执行废物分拣。
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%
了解 SOHGA 的 MEGURU 系统如何使用 Ultralytics YOLO26 自动执行停车场巡检，将巡检时间减少 30%，并提升安全性。
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时
了解 Scaleout 如何使用 Ultralytics YOLO 和联邦学习，在确保敏感数据安全的同时，于边缘设备上微调 AI 模型。
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成
了解 RapiD Engineering 如何使用 Ultralytics YOLO 自动执行鲑鱼检测、实时发现缺陷，并节省一周的工程工作时间。
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，扩大珊瑚礁保护和海洋智能的规模。
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练
“真正令人满意的是，该模型在训练器上的边缘硬件上能够很好地实时运行，而且我们可以在云端使用同一个模型，执行完全相同的流程。”
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%
了解 WG Tech Solutions 如何借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator，将制造业中的安全违规减少 28%
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析
了解 Stride 如何利用 Ultralytics YOLO 模型进行马匹姿态估计，在 1 分钟内完成完整的步态分析。
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率
了解 Pixelabs 如何利用 Ultralytics YOLO 模型自动执行工作流程，并实现 95% 的召回率。
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性
了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全性。
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%
探索 Chef Robotics 如何使用 Ultralytics YOLO 模型实现精准食品组装。
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%
探索 Cali Intelligence 如何使用 Ultralytics YOLO 模型，通过对象检测减少零售结账排队。
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上
了解 MarineSitu 如何使用 Ultralytics YOLO 改变水下对象检测。
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍
了解 Theia Scientific 如何使用 Ultralytics YOLO 重新定义显微镜数据分析。
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半
了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度，改变公用设施巡检。
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理
了解 Axelera AI 如何利用 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉。
STMicroelectronics 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，实现边缘侧精准的实时推理。
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%
了解 Specialvideo 如何使用 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、减少停机时间并确保工作场所安全。
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K
了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控，提升检测准确率、减少误报并优化实时威胁监测。
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%
了解 Prezent 如何利用 Ultralytics YOLO 模型自动检测幻灯片元素，在保留结构和设计的同时，将处理时间缩短至 10 秒以内。
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 模型提升数据准确性、优化城市交通，并为可持续发展的智慧城市打造 AI 驱动的交通解决方案。
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险
探索 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型检测并处理工业危险，提升安全性。