使用 Ultralytics YOLO26 和视觉 AI 打造智能产品

每天，设备、机器和公共基础设施中安装的摄像头都会采集数千小时的视频。其中大部分视频被存储起来，快速浏览一遍，或仅在出问题时才进行查看。

视觉数据往往已经具备，但实时解读这些数据的能力却不足。随着产品互联程度和数据驱动程度不断提高，这一局限愈发明显。

用户希望系统不只是记录事件或遵循固定指令。例如，用户期望智能产品能够识别正在发生的事情并立即做出响应，而不必等待人工审核，也不必依赖僵化的规则集。

人工智能的最新进展正在帮助弥合这一差距。尤其是，计算机视觉让机器能够解读图像和视频，使系统可以分析场景并实时响应。

然而，要将这项能力融入产品，模型必须兼具速度和可靠性。像 Ultralytics YOLO26 这样的先进计算机视觉模型正是为此而构建，能够提供实时部署所需的速度和准确性。

Ultralytics YOLO26 支持目标检测、实例分割和目标跟踪等核心视觉任务，让产品能够解读视觉数据并智能地做出响应。

图 1. 使用 YOLO26 检测图像中的物体（来源）

本文将探讨如何利用计算机视觉和 Ultralytics YOLO26 构建更智能的产品，并在实际应用中支持智能自动化。现在就开始吧！

传统产品开发中的不足#

在深入探讨计算机视觉如何帮助构建更智能的产品之前，我们先仔细看看团队依赖传统的基于规则的系统和旧算法时面临的挑战。

以下是传统产品开发面临的一些主要挑战：

• 僵化的基于规则的系统：硬编码逻辑在受控环境中可能有效，但现实环境很少一成不变。光线、摄像头角度或物体外观稍有变化，就可能迅速破坏预设规则并降低准确性。
• 难以适应现实世界的变化：传统系统不擅长应对新情况或意外场景。更新通常需要人工调整和反复优化，这会拖慢产品改进速度并增加维护工作量。
• 可扩展性受限：随着图像和视频数据量增加，较旧的图像处理流水线难以跟上。处理速度会变慢，因此很难在视频流中维持实时性能。
• 实时场景中的高延迟：许多传统方法无法足够快速地处理连续视觉流。输出延迟会削弱自动化效果并降低整体响应速度。
• 计算资源成本高：要达到可接受的准确性，往往需要大量硬件资源，包括专用图形处理单元 (GPU)，从而增加基础设施成本。

计算机视觉在构建更智能产品中的作用#

接下来，我们来看看计算机视觉如何帮助产品实现更智能的行为。

如今，大多数互联产品都会在正常运行过程中收集视觉数据。各种设备中内置了摄像头，摄像头也被安装在实体空间，并通过物联网 (IoT) 系统连接起来。

因此，图像和视频一直在后台采集。难点并不在于收集这些数据。

真正棘手的是实时理解收集到的数据。缺少视觉智能时，视频只会被存储起来，留待之后查看，而那时问题往往已经发生。

计算机视觉改变了这一点。通过使用经过训练、能够识别模式的神经网络，系统可以实时分析图像和视频。产品不必依靠固定规则或人工检查，而是可以解读场景中正在发生的事情，并在事件发生时做出响应。

为了将这种视觉能力融入产品，团队可以采用高效的计算机视觉模型，例如 Ultralytics YOLO26。YOLO26 支持多项关键视觉任务，并能帮助产品快速解读视觉信息，从而实现实时决策。

视觉驱动型产品的构成要素#

以下简要介绍了计算机视觉任务如何帮助打造更智能的产品：

• 目标检测：此任务可以使用边界框识别并定位每帧中的相关对象，并为其分配置信度分数，从而清楚了解图像中包含什么内容。
• 目标跟踪：此任务可用于在多帧中跟踪特定对象，让视觉系统了解对象随时间发生的移动和变化。
• 图像分类：此任务根据图像的主要内容为整张图像分配标签，对场景进行分类，或识别画面中的特定情况。
• 实例分割：此任务可以在像素级别精确勾勒对象轮廓，让产品更好地理解形状、边界和空间关系。
• 姿态估计：此任务可检测人体或其他可活动对象上的关键点，并实时捕捉姿势、动作和身体交互。
• 有向边界框（OBB）检测：此任务使用旋转边界框而非标准水平边界框来检测对象。当对象倾斜或处于密集排列的环境中时，它能提高定位精度。

将这些能力应用于连续视觉数据后，产品可以更快地响应、更可靠地实现自动化，并带来更具感知力而非仅仅被动响应的体验。系统不必等到事后才审查事件，而是可以即时理解并采取行动。

实时视觉模型如何赋能智能产品行为#

随着你对视觉驱动型产品了解得越来越多，你可能会想知道，系统如何从单纯录制视频转变为实时响应。

首先要识别摄像头前方的内容。视频流传入时，视觉模型会分析每一帧，并识别重要元素，例如特定对象或人物。系统不会对每个动作都做出反应，而是只关注相关信号。

另一个关键因素是速度。实时系统必须快速且稳定地处理每一帧，确保检测和决策不会出现明显延迟。

例如，Ultralytics YOLO（You Only Look Once）系列模型专为实时处理视觉数据而打造。Ultralytics YOLO26 等模型在 Ultralytics YOLOv5、Ultralytics YOLOv8 和 Ultralytics YOLO11 等早期版本的基础上，融入了架构改进、性能优化和效率提升。因此，即使在要求严苛的真实环境中，也能获得更快的速度和更高的准确率。

集成到产品后，这些模型会在后台持续运行，逐帧分析传入的视频。系统会检查预设条件，并在条件满足时立即触发警报、更新工作流或启动操作。

这使视觉驱动型系统更灵敏、更易扩展，也更适合集成到各种环境中，从机器人和自动驾驶汽车到智能家居与安防系统。对于企业领导者而言，这意味着响应更快、人工检查更少，自动化也更可靠，而非仅仅被动响应。

利用 Ultralytics YOLO26 为产品提供实时视觉智能#

包括 YOLO26 在内的 Ultralytics YOLO 模型均以预训练模型的形式开箱即用。这意味着它们已经在 COCO 数据集等广泛使用的大型数据集上完成训练。

得益于预训练，Ultralytics YOLO26 可以立即识别常见的真实世界对象。这为产品团队提供了实用的起点，让他们无需从头训练模型，就能构建视觉功能。

如果产品需求更具体，还可以使用高质量标注的领域专属数据对这些预训练模型进行进一步微调。

例如，设想一家安装了天花板摄像头的餐厅。像 Ultralytics YOLO26 这样的定制训练视觉 AI 模型可以检测店内人数，还能识别哪些桌子有人就座、哪些椅子空着。

图 2. Ultralytics YOLO26 可在零售店中实时检测人员、空闲区域和有店员值守的收银台。(来源)

在这类场景中，Ultralytics YOLO26 充当持续在后台运行的视觉引擎。团队还可以根据性能需求和能效目标，将此类模型部署到边缘设备上。

YOLO 模型在智能产品中的真实应用#

现在我们已经更好地了解实时视觉模型的工作原理，接下来看看如何将 Ultralytics YOLO 模型应用于不同场景的智能产品，让产品拥有更强的感知力、响应能力，并能够根据所见采取行动。

利用 YOLO 提升医疗产品智能水平#

在医疗领域的手术培训中，人们通常需要人工审查数小时的手术录像，以评估器械操作和工作流程。这个过程既耗时，又高度依赖人工观察。

在系统中集成基于 YOLO 的视觉模型后，系统便能在手术进行时自动分析视频流。模型可以实时检测手术器械，并识别器械的使用位置和时间。

这有助于实现结构化记录、改进分析，并提供高质量的性能洞察，而无需持续人工审查。事实上，一项使用 Ultralytics YOLO11 模型（它是最新 YOLO26 模型的前代版本）的研究表明，即使在嵌入式系统上，也能有效运行实时腹腔镜器械检测。

图 3. 使用 YOLO 实时检测腹腔镜器械（来源）

该模型在保持高准确率的同时，运行速度也足以满足实时手术环境的需求。这表明深度学习能够在手术过程中提供可靠的实时视觉反馈。

打造由 YOLO 驱动的智能零售体验#

我们都曾站在拥挤的超市货架前，努力寻找合适的商品。许多商品看起来很相似，标签很小，而且商品经常摆错位置。

这让零售商难以实时掌握货架状况。视觉 AI 和 YOLO 目标检测模型可以通过摄像头画面和实时视频流，帮助门店系统了解货架上的实际商品。这降低了对条码扫描和人工检查的依赖，让货架监控更准确、响应更及时。

图 4. 使用 Ultralytics YOLO26 检测并分割超市货架上的商品

具备这种准确度后，零售商不再只能依赖定期人工检查，还可以通过实时视频持续监控货架。

库存不足可以立即标记，摆放错误的商品可以更快发现，结账流程也能更加顺畅。这既能让零售商更好地掌控运营，也能为顾客带来更流畅的购物体验。

视觉 AI 与自主导航#

自主系统的效率可能很高，但它们通常依赖固定路线或预设坐标。这在稳定环境中可行，但现实环境很少一成不变。

由深度学习模型驱动的视觉 AI 解决方案让机器能够理解周围环境并实时调整。结合计算机视觉和自适应算法后，系统可以应对变化，而不必依赖僵化的预编程指令。

那么，这在现实环境中是如何运作的？以在仓库中运行的机器人为例。摄像头持续捕捉周围环境，视觉模型则执行实时目标检测，识别障碍物、货架和通道。

这些检测结果有助于定位，让机器人确定自己在设施内的精确位置。优化算法会根据这些视觉输入即时调整路线，使机器人能够高效导航，并在环境变化时保持自动化流程顺畅运行。

基础设施监控与更智能的缺陷检测#

电力线路和电网设备需要定期检查，以确保安全可靠。大多数情况下，这些公用设施检查仍需人工完成，耗时费力，也难以覆盖广阔或偏远地区。

视觉 AI 提供了一种更简便的基础设施监控方式，无需完全依赖定期现场巡查。Ultralytics YOLO26 等模型可以直接从真实户外环境拍摄的图像中，检测电力线路绝缘子上的裂纹、腐蚀或明显损坏等缺陷。

通过实时分析视觉数据，此类系统可以标记原本可能被忽略的潜在问题。及早发现这些问题可以降低设备故障风险、减少意外停电，并支持更主动的维护工作。

衡量视觉智能产品的投资回报率#

对于企业领导者而言，视觉 AI 不只是技术性能问题，更关乎可衡量的业务影响。

经过周密实施后，视觉驱动型系统可以提高效率、降低成本并提升准确率。这些收益也有助于改善用户体验和整体表现。

以下是几个能清楚体现其影响的方面：

• 减少人工工作：视觉系统可以自动完成重复性的检查、监控和验证任务，降低对人工流程的依赖，让团队能够专注于更具战略意义的工作。
• 加快决策周期：实时视觉分析使系统能够立即检测问题或触发操作，缩短响应时间并确保运营顺畅。
• 减少运营错误：自动检测能够带来一致性。通过减少日常任务中对人工监督的依赖，组织通常能减少失误并获得更可靠的结果。
• 提升用户参与度：能够观察并智能响应的产品更具互动性，也更切合用户需求。这有助于增强用户信任、改善体验并提高长期采用率。

要点#

视觉 AI 让产品能够实时解读视觉信息，从而支持更智能的自动化和响应更迅速的体验。借助检测、跟踪和分割等能力，系统可以超越基本规则，做出具备上下文感知能力的决策。Ultralytics YOLO26 等高效模型让构建可扩展且具有竞争力的视觉驱动型产品变得切实可行。

加入活跃的社区，了解制造业中的 AI和零售业中的视觉 AI等创新。访问我们的 GitHub 代码库，并查看我们的许可选项，立即开始计算机视觉之旅。