用 Ultralytics YOLO26 和视觉 AI 构建智能产品

嵌入在设备、机器和公共基础设施中的摄像头每天都会捕捉到数以千计小时的视频。绝大多数视频仅在出现问题时才会被存储、浏览或查阅。

视觉数据通常是可获取的，但缺乏实时解读这些数据的能力。随着产品变得越来越智能化和数据驱动，这一局限性正变得愈发明显。

用户期望系统不仅仅是记录事件或遵循固定的指令。例如，他们期望 智能产品 能够识别正在发生的情况并立即做出响应，而无需等待人工审查或依赖僵化的规则集。

人工智能领域的最新进展正在帮助弥合这一差距。特别是计算机视觉技术，它使机器能够解读图像和视频，从而让系统能够实时分析场景并做出响应。

然而，将此功能引入产品需要既快速又可靠的模型。像 Ultralytics YOLO26 这样最先进的计算机视觉模型正是为此目的而构建的，能够提供实时部署所需的速度和准确性。

YOLO26 支持目标检测、实例分割和目标跟踪等核心视觉任务，使产品能够解读视觉数据并做出智能响应。

图 1. 使用 YOLO26 检测图像中的对象 (来源)

在本文中，我们将探讨计算机视觉和 Ultralytics YOLO26 如何用于构建更智能的产品，并为现实世界的应用提供智能自动化支持。让我们开始吧！

Link to this section传统产品开发中的差距#

在深入探讨计算机视觉如何帮助构建更智能产品之前，让我们仔细看看团队在依赖传统的、基于规则的系统和旧算法时所面临的挑战。

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： 硬编码逻辑可以在受控环境中工作，但现实世界的设置往往不可预测。光线、摄像机角度或物体外观的微小变化都可能迅速破坏预定义的规则并降低准确性。
• 对现实世界多变性的适应能力差： 传统系统无法很好地适应新的或意外的情况。更新通常需要人工调整和反复优化，这减缓了产品改进的速度并增加了维护工作量。
• 可扩展性限制： 随着图像和视频数据量的增长，旧的图像处理流水线难以跟上。处理速度变得缓慢，导致难以在视频流中保持实时性能。
• 实时场景中的高延迟： 许多传统方法无法足够快地处理连续的视觉流。输出延迟会削弱自动化效果并降低整体响应能力。
• 昂贵的计算需求： 实现可接受的准确性通常需要大量的硬件资源，包括专用的图形处理器 (GPU)，这增加了基础设施成本。

Link to this section计算机视觉在构建更智能产品中的作用#

接下来，让我们看看计算机视觉如何支持更智能的产品行为。

当今大多数互联产品在正常操作过程中都会收集视觉数据。摄像头内置于各种设备中，安装在物理空间中，并通过物联网 (IoT) 系统连接。

结果是，图像和视频在后台不断地被捕捉。挑战不在于收集这些数据。

困难的部分在于实时理解收集到的数据。如果没有视觉智能，录像就只是被存储并在之后查看，通常是在问题已经发生之后。

计算机视觉改变了这一点。通过使用经过训练以识别模式的神经网络，系统可以实时分析图像和视频。产品不再依赖固定的规则或人工检查，而是能够解读场景中正在发生的事情并在事件发生时做出响应。

为了将这种视觉功能带入产品，团队可以依赖高效的 计算机视觉模型，例如 Ultralytics YOLO26。YOLO26 支持关键视觉任务，并能帮助产品足够快地解读视觉信息，从而实现实时决策。

Link to this section视觉驱动产品的构建模块#

以下是 计算机视觉任务 如何促进产品智能化的简要分析：

• 目标检测： 此任务可以使用 bbox 在每一帧中识别并定位相关对象，并分配置信度分数，从而清晰地了解图像中存在什么。
• 目标跟踪： 它可用于跟踪跨多个帧的特定对象，让视觉系统理解随时间变化的移动和改变。
• 图像分类： 此任务根据主要内容为整张图像分配一个标签。它对场景进行分类或识别帧内的特定条件。
• 实例分割： 它可以在像素级别精确勾勒出对象，使产品能够更好地解读形状、边界和空间关系。
• 姿态估计： 此任务检测人体或其他关节对象上的关键点。它能实时捕捉姿态、运动和物理交互。
• 旋转边界框 (OBB) 检测： 它可以使用旋转的 bbox 代替标准的水平框来检测对象。当对象以特定角度出现或在紧密包装的环境中时，它可以提高定位准确性。

当这些功能应用于连续视觉数据时，产品可以做出更快的响应，更可靠地实现自动化，并提供感觉具有感知力而非仅仅是反应式的体验。系统无需等待事后审查，而是能够实时理解并采取行动。

Link to this section实时视觉模型如何实现智能产品行为#

当你深入了解视觉驱动产品时，你可能想知道系统如何从单纯的视频记录转变为真正的实时响应。

这始于识别摄像头前的内容。随着视频流的输入，视觉模型会分析每一帧并识别重要的元素，例如特定的对象或人。系统不再对每一个动作做出反应，而是只关注相关的信号。

另一个关键方面是速度。实时系统必须快速且一致地处理每一帧，确保检测和决策过程没有明显的延迟。

例如，Ultralytics YOLO (You Only Look Once) 模型家族旨在实时处理视觉数据。像 Ultralytics YOLO26 这样的模型建立在 Ultralytics YOLOv5、Ultralytics YOLOv8 和 Ultralytics YOLO11 等早期版本的基础上，结合了架构优化、性能改进和效率提升。结果是即使在要求严苛的现实条件下，速度和准确性也得到了提高。

当集成到产品中时，这些模型会在后台持续运行，在每一帧到达时进行分析。系统会检查预定义的条件，一旦满足，即可立即触发警报、更新工作流或启动操作。

这使得视觉驱动系统更具响应性、可扩展性，并且在从机器人和自动驾驶汽车到智能家居和安防系统的各种环境中都具有实用性。对于企业领导者而言，这意味着更快的响应、更少的人工检查，以及自动化体验变得可靠而非被动。

Link to this section使用 YOLO26 为产品中的实时视觉智能提供动力#

包括 YOLO26 在内的 Ultralytics YOLO 模型作为预训练模型直接可用。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了训练。

得益于这种预训练，YOLO26 可以立即识别现实世界中的常见物体。这为产品团队提供了一个实用的起点，意味着他们无需从零开始训练模型即可构建视觉功能。

对于更具体的产品需求，可以使用高质量标注的特定领域数据对这些预训练模型进行进一步微调。

例如，考虑一家安装了天花板摄像头的餐厅。像 YOLO26 这样经过定制训练的视觉 AI 模型可以检测空间内有多少人。它可以识别哪些餐桌有人坐，哪些椅子是空的。

图 2. YOLO26 支持在零售店中实时检测人员、开放空间和收银台。 (来源)

在这种场景下，YOLO26 充当在后台持续运行的视觉引擎。团队还可以根据性能需求和能效目标，将此类模型部署在 边缘设备 上。

Link to this sectionYOLO 模型在智能产品中的现实应用#

既然我们对实时视觉模型的工作原理有了更好的了解，让我们来看看 Ultralytics YOLO 模型如何在不同的智能产品用例中应用，使其更具感知力、响应能力，并能够根据所见采取行动。

Link to this section基于 YOLO 的医疗保健产品智能#

在医疗保健的手术培训中，通常需要手动查看数小时的手术录像来评估工具操作和工作流。这个过程既耗时又严重依赖于人工观察。

通过将基于 YOLO 的视觉模型集成到系统中，视频流可以在手术进行时自动分析。模型可以实时检测手术器械，并识别它们的使用位置和时间。

这实现了结构化记录、改进的分析以及高质量的性能洞察，而无需持续的人工审查。事实上，使用 YOLO11 模型（YOLO26 的前身）的研究表明，即使在嵌入式系统上，实时的 腹腔镜器械检测 也能有效运行。

图 3. 使用 YOLO 进行实时腹腔镜器械检测 (来源)

该模型在保持高准确性的同时，运行速度足以满足实时手术环境。这展示了深度学习如何在手术过程中支持可靠的实时视觉反馈。

Link to this section打造智能的 YOLO 驱动零售体验#

我们都曾在拥挤的超市货架前寻找合适的产品。许多商品看起来很像，标签很小，而且产品经常被放在错误的位置。

对于零售商而言，这使得货架的实时可见性变得困难。视觉 AI 和 YOLO 目标检测模型可以通过摄像机和直播视频流帮助商店系统了解货架上的实际情况。这减少了对条形码扫描和人工检查的依赖，使货架监控更加准确和灵敏。

图 4. 使用 YOLO26 检测和分割超市货架上的产品

有了这种准确性，零售商就不再仅仅依赖定期的人工检查。货架可以通过直播视频进行持续监控。

缺货可以立即标记出来，放错位置的产品可以更快地被发现，结账流程也可以更顺畅。这为零售商提供了更好的运营控制，同时为顾客创造了更无缝的购物体验。

Link to this section视觉 AI 与自动导航#

自动系统可以非常高效，但它们通常依赖固定的路线或预设的坐标。虽然这在稳定的环境中有效，但现实条件很少保持不变。

由深度学习模型驱动的视觉 AI 解决方案使机器能够理解其周围环境并实时调整。结合计算机视觉和自适应算法，系统可以在变化发生时立即做出反应，而不是依赖僵化的、预先编程的指令。

那么，这在现实环境中是如何运作的呢？让我们以仓库中运行的机器人为例。摄像头持续捕捉周围环境，视觉模型执行实时目标检测，以识别障碍物、货架和路径。

这些检测结果支持定位，帮助机器人确定其在设施内的精确位置。基于此视觉输入，优化算法会立即调整其路线，使其能够高效导航，即使在条件发生变化时也能保持平稳的自动化。

Link to this section基础设施监控与更智能的缺陷检测#

电力线和电网设备需要定期检查以保持安全和可靠。大多数时候，这些 公用设施检查 仍然涉及人工检查，这既耗时又难以在大范围或偏远地区管理。

视觉 AI 提供了一种更简单的方式来监视基础设施，而不必仅依赖预定的现场访问。像 YOLO26 这样的模型可以直接从真实户外条件下拍摄的图像中检测电力线绝缘体上的缺陷，包括裂纹、腐蚀或可见损坏。

通过实时分析视觉数据，此类系统可以标记出可能被忽视的潜在问题。尽早识别这些问题可降低设备故障风险，减少意外停电，并支持更主动的维护操作。

Link to this section衡量基于视觉的智能产品的投资回报率#

对于企业领导者而言，视觉 AI 不仅仅关乎技术性能。它关乎可衡量的商业影响力。

当实施得当，视觉驱动系统可以提高效率、降低成本并提高准确性。这些收益也有助于改善用户体验并提高整体绩效。

以下是这种影响变得显而易见的几个领域：

• 减少人工工作： 视觉系统自动化重复的检查、监控和验证任务，降低了对人工流程的依赖，使团队能够专注于更具战略性的工作。
• 更快的决策周期： 实时视觉分析允许系统立即检测问题或触发操作，缩短响应时间并保持运营顺利进行。
• 更少的运营错误： 自动检测带来了一致性。通过减少日常任务中的人工监督，组织通常能看到更少的错误和更可靠的结果。
• 改善用户参与度： 能够看到并做出智能响应的产品感觉更具交互性和相关性。这会带来更强的用户信任、更好的体验和更高的长期采用率。

Link to this section关键要点#

视觉 AI 使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快的体验。通过检测、跟踪和分割等功能，系统超越了基本规则，实现了具备环境感知力的决策。高效的模型如 Ultralytics YOLO26 使构建可扩展、有竞争力的视觉驱动产品成为可能。

加入我们的活跃社区，探索诸如制造业中的 AI 和零售业中的视觉 AI 等创新技术。访问我们的GitHub 仓库，查看我们的许可选项，立即开始你的计算机视觉之旅。