Ultralytics YOLO27：
Ultralytics YOLO

Ultralytics YOLO26 模型

Ultralytics YOLO26 从零开始专为边缘设备和低功耗设备打造，为实时视觉 AI 树立了新标准，并通过更简洁的架构实现最高 43% 的 CPU 推理速度提升。

开始使用

深受行业领导者信赖

DuolingoShellSiemensRenaultPhilipsNEURA RoboticsMercado LibreTata SteelFlock SafetyIntelDefense Intelligence AgencyDHL
DuolingoShellSiemensRenaultPhilipsNEURA RoboticsMercado LibreTata SteelFlock SafetyIntelDefense Intelligence AgencyDHL
DuolingoShellSiemensRenaultPhilipsNEURA RoboticsMercado LibreTata SteelFlock SafetyIntelDefense Intelligence AgencyDHL

尝试 YOLO26 推理

拖放图像以查看实时目标检测结果

输入图像
上传图像或选择示例进行测试 YOLO26n. 预测文档
实时演示

将图像拖放到此处

或点击浏览

支持 JPEG、PNG、WebP、AVIF、HEIC、JP2、TIFF、BMP 等格式（最大 10MB）

置信度
0.25
IoU
0.70
图像尺寸
640
API 文档
部署你的模型，以获取一个配备 API 密钥身份验证的专用推理端点，然后将下方的占位 URL 和密钥替换为你的部署值。 部署文档
注意： 这是示例代码。请先部署你的模型，以获取端点 URL 和 API 密钥。
import requests

# Deployment URL and API key
url = "https://your-deployment-url.run.app/predict"
api_key = "YOUR_API_KEY"

# Optional inference parameters (conf, iou, imgsz)
args = {"conf": 0.25, "iou": 0.7, "imgsz": 640}

with open("image.jpg", "rb") as f:
    response = requests.post(
        url,
        headers={"Authorization": f"Bearer {api_key}"},
        data=args,
        files={"file": f},
    )

print(response.json())

Ultralytics YOLO26 的主要改进

CPU 推理速度最高提升 43%

无需 GPU 即可在设备上实现实时性能，专为边缘环境和资源受限环境打造。

无 NMS 的端到端推理

直接生成预测结果，无需后处理步骤。延迟更低，部署更简单。

无 DFL，硬件兼容性更广

移除 Distribution Focal Loss 可简化导出流程，并扩大与边缘设备的兼容性。

MuSGD：更智能的优化器

结合 SGD 与 Muon，并借鉴 LLM 训练领域的进展，从而实现更稳定的训练。

Ultralytics YOLO 模型一览

从速度、准确率和支持的视觉任务等方面比较近期的 Ultralytics YOLO 模型系列。

功能Ultralytics YOLOv5Ultralytics YOLOv8Ultralytics YOLO11Ultralytics YOLO26Ultralytics YOLO27
速度
图像处理时间
0.54 毫秒0.47 毫秒0.56 毫秒0.67 毫秒0.62 毫秒
准确率
mAP50-95
34.3%37.3%39.5%40.9%42.3%
目标检测
实例分割-
语义分割--
深度估计---
图像分类-
姿态估计-
OBB 检测-
申请许可证
安全与合规

企业级安全性，已获认证

经过独立认证和审计，确保你的数据在传输和静态存储期间均得到保护。

申请许可证查看安全详情

SOC 2 Type I

通过 AICPA 安全性、可用性和保密性 TSC 鉴证

ISO 27001:2022

经过认证的信息安全管理体系

加密

所有存储和传输过程中的数据均经过传输中和静态存储加密

GDPR 与 CCPA

符合全球数据保护法规

为什么选择 Ultralytics YOLO26？

专为边缘设备和云端打造

可在 CPU、GPU 和边缘硬件上高效运行。支持导出为 20 种格式，可部署到任何环境。

CPU 推理速度最高提升 43%

在资源受限的设备上实现实时视觉 AI，同时不牺牲准确率。

使用 YOLOE-26 进行开放世界检测

使用文本提示、视觉提示或无提示推理，检测超越固定类别的目标。

无缝集成

YOLO26 采用与 YOLOv8 和 YOLO11 相同的熟悉接口，无需经历陡峭的学习曲线。

全球社区支持

专属支持渠道、活跃的论坛和定期更新，助你不断推进工作。

清晰的许可条款

在 AGPL-3.0 和 Enterprise 许可下，为学术、开源和商业用途提供灵活选项。

查看我们的模型实际运行效果

SK Godelius 使用 Ultralytics YOLO 检测采矿输送机上的 3,400 个缺陷

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。
Learn more
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%

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。
Learn more
OnsiteIQ 借助 Ultralytics YOLO11 将项目延误减少 20%

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。
Learn more
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%

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%。
Learn more
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 70%

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。
Learn more
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%

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。
Learn more
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时

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。
Learn more
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成

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。
Learn more
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护

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。
Learn more
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练

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。”
Learn more
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%

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%
Learn more
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析

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。
Learn more
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率

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。
Learn more
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性

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。
Learn more
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%

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。
Learn more
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%

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。
Learn more
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上

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。
Learn more
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍

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。
Learn more
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半

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。
Learn more
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理

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。
Learn more
STMicroelectronics 在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ

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。
Learn more
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%

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。
Learn more
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上

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。
Learn more
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K

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。
Learn more
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%

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。
Learn more
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%

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。
Learn more
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险

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。
Learn more
SK Godelius 使用 Ultralytics YOLO 检测采矿输送机上的 3,400 个缺陷

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。
Learn more
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%

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。
Learn more
OnsiteIQ 借助 Ultralytics YOLO11 将项目延误减少 20%

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。
Learn more
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%

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%。
Learn more
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 70%

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。
Learn more
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%

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。
Learn more
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时

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。
Learn more
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成

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。
Learn more
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护

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。
Learn more
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练

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。”
Learn more
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%

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%
Learn more
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析

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。
Learn more
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率

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。
Learn more
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性

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。
Learn more
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%

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。
Learn more
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%

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。
Learn more
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上

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。
Learn more
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍

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。
Learn more
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半

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。
Learn more
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理

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。
Learn more
STMicroelectronics 在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ

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。
Learn more
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%

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。
Learn more
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上

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。
Learn more
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K

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。
Learn more
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%

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。
Learn more
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%

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。
Learn more
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险

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。
Learn more
SK Godelius 使用 Ultralytics YOLO 检测采矿输送机上的 3,400 个缺陷

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。
Learn more
Camerite 借助 Ultralytics YOLO 将开发时间缩短 25.2%

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。
Learn more
OnsiteIQ 借助 Ultralytics YOLO11 将项目延误减少 20%

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。
Learn more
mtrail 的 TrainVision 将铁路数据采集时间缩短近 100%

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%。
Learn more
Glacier Robotics 将美国各回收设施的 PET 泄漏减少了 70%

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。
Learn more
SOHGA 借助 Ultralytics YOLO 将停车监控时间减少 30%

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。
Learn more
Scaleout 借助 Ultralytics YOLO 将模型更新从数周缩短至数小时

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。
Learn more
RapiD Engineering 借助 Ultralytics YOLO 将海鲜质量控制部署提前 1 周完成

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。
Learn more
Project Ocean Oasis 借助 Ultralytics YOLO 推进珊瑚礁保护

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。
Learn more
Volley 借助 Ultralytics YOLO 为 250+ 名场上训练者提供 AI 训练

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。”
Learn more
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI Accelerator 将安全违规减少 28%

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%
Learn more
Stride 借助 Ultralytics YOLO 在 1 分钟内完成马匹步态分析

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。
Learn more
Pixelabs 借助 Ultralytics YOLO 驱动的自动化实现 95% 召回率

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。
Learn more
SiteAssist 通过使用 Ultralytics YOLO 处理 770K+ 张图像，提升现场安全性

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。
Learn more
Chef Robotics 使用 Ultralytics YOLO 将食品赠送率降低 67%

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。
Learn more
Cali Intelligence 借助 Ultralytics YOLO 将结账队列缩短 43%

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。
Learn more
MarineSitu 使用 Ultralytics YOLO 实现水下监测，正常运行时间达到 96% 以上

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。
Learn more
Theia Scientific 使用 Ultralytics YOLO 将显微镜分析速度提升 43 倍

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。
Learn more
eSmart Systems 借助 Ultralytics YOLO 将电力线路巡检时间缩短一半

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。
Learn more
Axelera AI 使用 Ultralytics YOLO 实现 34 FPS 的边缘 AI 推理

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。
Learn more
STMicroelectronics 在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ

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。
Learn more
Specialvideo 使用 Ultralytics YOLO 将食品检测准确率提升至 99%

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。
Learn more
Vivity AI 借助 Ultralytics YOLO 每年为工业运营节省 500 万美元以上

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。
Learn more
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可规模扩大至 10K

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。
Learn more
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提升 34%

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。
Learn more
ALYCE 借助 Ultralytics YOLO 将交通 AI 推理速度提升 20%

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。
Learn more
Kiwitron 使用 Ultralytics YOLO 检测 30 米外的工业危险

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。
Learn more
查看所有客户案例

常见问题

  • YOLO26 支持导出为 TensorRT、ONNX、CoreML、TFLite 和 OpenVINO，覆盖最常见的边缘部署目标。无 NMS 架构意味着集成难题更少，并且开箱即用即可实现更低延迟。

  • 可以。YOLO26 与之前的 Ultralytics YOLO 版本采用相同的接口，因此迁移非常简单。只需替换为你的 YOLO26 模型权重即可。

  • 目标检测、实例分割、语义分割、图像分类、姿态估计和有向目标检测，全部集中在统一的模型家族中。

  • nano（n）版本非常适合边缘设备和 CPU 资源受限的设备。small（s）和 medium（m）版本在大多数应用中实现了速度与精度的良好平衡。large（l）和 extra-large（x）版本可为要求严苛的工作负载提供最高精度。

  • YOLO26 移除了 DFL，简化了导出；取消了 NMS，实现更快的端到端推理；通过 ProgLoss + STAL 提升了小目标精度；引入 MuSGD 优化器，使训练更加稳定；并且 CPU 推理速度最高提升 43%。

立即开始使用 Ultralytics YOLO！

从标注到部署，构建能够随你扩展的视觉 AI 解决方案。

申请许可证