Ultralytics YOLO27：
获取 YOLO 许可
Coming soon

Ultralytics YOLO27 模型

更快、更精准、更简单的 YOLO 模型。YOLO27l 是首个 mAP 超过 60 的 Ultralytics 模型，所有尺寸的模型都有所提升，只需一行代码即可切换。

品牌渐变背景上的 Ultralytics YOLO27 标志

深受行业领军企业信赖

Ultralytics YOLO27 有哪些新功能

更精简的模型阵容

四种模型，各有明确用途。n 和 s 适用于边缘设备，m 适用于生产环境中的 GPU 工作负载，l 适用于对精度要求极高的应用。无需评估 x 型号，因为 YOLO27l 已能提供旗舰级精度。

混合架构

为每种模型尺寸选择最合适的架构，而不是用一种设计覆盖整个系列。小型模型在有限硬件上依然快速；大型模型则能进一步提升精度。

更高的精度

YOLO27l 是首个在 COCO 上 mAP 超过 60 的 Ultralytics 模型，整个系列的精度更高，同时实现了出色的精度与速度平衡。

七种任务

目标检测、实例分割、语义分割、深度估计、图像分类、姿态估计和有向目标检测。四种尺寸共 28 个模型，全部采用相同的接口。

Ultralytics YOLO 模型一览

比较近期 Ultralytics YOLO 模型系列的速度、准确率和支持的视觉任务。

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-

为什么要加入候补名单？

Ultralytics YOLO27 即将推出。注册一次，抢先了解最新消息。

产品更新

我们发布后，你就能了解架构详情、基准测试和版本说明。

发布通知

YOLO27 开放下载、训练和部署时，我们会通知你。

行业应用示例

了解 YOLO27 如何应用于制造、物流、安防和航空巡检。
加入候补名单
安全与合规

企业级安全认证

经独立认证和审计，确保你的数据在传输和静态存储过程中都受到保护。

加入候补名单查看安全详情

SOC 2 Type I

通过 AICPA 安全性、可用性和保密性 TSC 鉴证

ISO 27001:2022

经认证的信息安全管理体系

加密

所有存储和传输中的数据均经过加密

GDPR 与 CCPA

符合全球数据保护法规

为什么选择 Ultralytics YOLO27？

经过大规模应用验证

Ultralytics YOLO 每天在制造、物流、安防和航空应用场景中处理数十亿个推理任务。你选择的模型系列已经在生产环境中运行。

部署到你现有的工作环境中

支持 20 多种导出格式和近 50 种集成方案，并与硬件厂商共同打造。你训练的模型，就是你部署的模型。

清晰的商业许可

提供灵活方案，支持在 AGPL-3.0 和企业版许可下用于学术、开源和商业用途。开始构建前，先了解自己的许可范围。

与使用者社区共同打造

超过一千名贡献者在真实生产部署中测试、报告问题并改进这些模型。

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%

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%。
Learn more
SK Godelius 使用 Ultralytics YOLO 检测矿山传送带上的 3,400 处缺陷

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

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

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。
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 自动采集铁路数据，将耗时最多缩短 100%，并将错误减少 90%。
Learn more
Glacier Robotics 将美国回收设施中的 PET 流失率降低了 70%

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。
Learn more
SOHGA 借助 Ultralytics YOLO 将停车场监控时间缩短 30%

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

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。
Learn more
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

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。
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，扩大珊瑚礁保护规模并提升海洋智能水平。
Learn more
Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持

Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持

“真正棒的一点是，这个模型在训练器的边缘硬件上能够实时出色运行，而且我们可以在云端使用同一个模型，运行完全相同的流程。”
Learn more
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI 加速器，将安全违规事件减少 28%

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 Ultralytics YOLO 和 Axelera 的 AI 加速器，将制造业安全违规事件减少 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，并在 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 模型自动化工作流程，实现 95% 的召回率。
Learn more
SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全

SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全

了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全。
Learn more
Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%

Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%

了解 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 将结账排队时间缩短 43%

Cali Intelligence 借助 Ultralytics YOLO 将结账排队时间缩短 43%

了解 Cali Intelligence 如何使用 Ultralytics YOLO 模型进行目标检测，缩短零售结账排队时间。
Learn more
MarineSitu 使用 Ultralytics YOLO 进行水下监测，系统正常运行时间达到 96% 以上

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 如何使用 Ultralytics YOLO 改变水下目标检测。
Learn more
Theia Scientific 借助 Ultralytics YOLO 将显微镜分析速度提升 43 倍

Theia Scientific 借助 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 将电力线巡检时间减半

eSmart Systems 借助 Ultralytics YOLO 将电力线巡检时间减半

了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度并改造公用设施巡检。
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 如何借助 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉处理。
Learn more
意法半导体在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ

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

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。
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、减少停机时间并保障工作场所安全。
Learn more
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个

Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个

了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控、提高检测准确率、减少误报并优化实时威胁监控。
Learn more
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 34%

Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 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 如何利用 Ultralytics YOLO 模型提高数据准确性、优化城市交通，并打造 AI 驱动的交通解决方案，助力城市实现可持续发展与智能化。
Learn more
Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险

Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险

了解 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型来检测和应对工业危险，提升安全性。
Learn more
RTM 使用 Ultralytics YOLO26 将推理成本降低 28%

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%。
Learn more
SK Godelius 使用 Ultralytics YOLO 检测矿山传送带上的 3,400 处缺陷

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

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

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。
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 自动采集铁路数据，将耗时最多缩短 100%，并将错误减少 90%。
Learn more
Glacier Robotics 将美国回收设施中的 PET 流失率降低了 70%

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。
Learn more
SOHGA 借助 Ultralytics YOLO 将停车场监控时间缩短 30%

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

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。
Learn more
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

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。
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，扩大珊瑚礁保护规模并提升海洋智能水平。
Learn more
Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持

Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持

“真正棒的一点是，这个模型在训练器的边缘硬件上能够实时出色运行，而且我们可以在云端使用同一个模型，运行完全相同的流程。”
Learn more
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI 加速器，将安全违规事件减少 28%

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 Ultralytics YOLO 和 Axelera 的 AI 加速器，将制造业安全违规事件减少 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，并在 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 模型自动化工作流程，实现 95% 的召回率。
Learn more
SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全

SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全

了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全。
Learn more
Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%

Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%

了解 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 将结账排队时间缩短 43%

Cali Intelligence 借助 Ultralytics YOLO 将结账排队时间缩短 43%

了解 Cali Intelligence 如何使用 Ultralytics YOLO 模型进行目标检测，缩短零售结账排队时间。
Learn more
MarineSitu 使用 Ultralytics YOLO 进行水下监测，系统正常运行时间达到 96% 以上

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 如何使用 Ultralytics YOLO 改变水下目标检测。
Learn more
Theia Scientific 借助 Ultralytics YOLO 将显微镜分析速度提升 43 倍

Theia Scientific 借助 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 将电力线巡检时间减半

eSmart Systems 借助 Ultralytics YOLO 将电力线巡检时间减半

了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度并改造公用设施巡检。
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 如何借助 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉处理。
Learn more
意法半导体在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ

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

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。
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、减少停机时间并保障工作场所安全。
Learn more
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个

Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个

了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控、提高检测准确率、减少误报并优化实时威胁监控。
Learn more
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 34%

Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 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 如何利用 Ultralytics YOLO 模型提高数据准确性、优化城市交通，并打造 AI 驱动的交通解决方案，助力城市实现可持续发展与智能化。
Learn more
Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险

Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险

了解 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型来检测和应对工业危险，提升安全性。
Learn more
RTM 使用 Ultralytics YOLO26 将推理成本降低 28%

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%。
Learn more
SK Godelius 使用 Ultralytics YOLO 检测矿山传送带上的 3,400 处缺陷

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

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

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。
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 自动采集铁路数据，将耗时最多缩短 100%，并将错误减少 90%。
Learn more
Glacier Robotics 将美国回收设施中的 PET 流失率降低了 70%

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。
Learn more
SOHGA 借助 Ultralytics YOLO 将停车场监控时间缩短 30%

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

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。
Learn more
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

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。
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，扩大珊瑚礁保护规模并提升海洋智能水平。
Learn more
Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持

Volley 借助 Ultralytics YOLO 为 250 多台球场 AI 训练器提供支持

“真正棒的一点是，这个模型在训练器的边缘硬件上能够实时出色运行，而且我们可以在云端使用同一个模型，运行完全相同的流程。”
Learn more
WG Tech Solutions 借助 Ultralytics YOLO 和 Axelera 的 AI 加速器，将安全违规事件减少 28%

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 Ultralytics YOLO 和 Axelera 的 AI 加速器，将制造业安全违规事件减少 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，并在 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 模型自动化工作流程，实现 95% 的召回率。
Learn more
SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全

SiteAssist 借助 Ultralytics YOLO 处理超过 77 万张图像，提升现场安全

了解 SiteAssist 如何利用 Ultralytics YOLO 模型提升施工现场安全。
Learn more
Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%

Chef Robotics 借助 Ultralytics YOLO 将食品赠送量减少 67%

了解 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 将结账排队时间缩短 43%

Cali Intelligence 借助 Ultralytics YOLO 将结账排队时间缩短 43%

了解 Cali Intelligence 如何使用 Ultralytics YOLO 模型进行目标检测，缩短零售结账排队时间。
Learn more
MarineSitu 使用 Ultralytics YOLO 进行水下监测，系统正常运行时间达到 96% 以上

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 如何使用 Ultralytics YOLO 改变水下目标检测。
Learn more
Theia Scientific 借助 Ultralytics YOLO 将显微镜分析速度提升 43 倍

Theia Scientific 借助 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 将电力线巡检时间减半

eSmart Systems 借助 Ultralytics YOLO 将电力线巡检时间减半

了解 eSmart Systems 如何使用 Ultralytics YOLO 提升缺陷检测速度并改造公用设施巡检。
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 如何借助 Ultralytics YOLO，在 Metis AI 芯片上实现快速、准确且高效的边缘视觉处理。
Learn more
意法半导体在 MCU 上运行 Ultralytics YOLO，每次推理仅耗电 9.4 mJ

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

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。
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、减少停机时间并保障工作场所安全。
Learn more
Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个

Videologic Analytics 借助 Ultralytics YOLO 将 AI 摄像头许可扩展至 1 万个

了解 Videologic Analytics 如何集成 Ultralytics YOLO 模型以增强视频监控、提高检测准确率、减少误报并优化实时威胁监控。
Learn more
Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 34%

Prezent 借助 Ultralytics YOLO 将幻灯片检测准确率提高 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 如何利用 Ultralytics YOLO 模型提高数据准确性、优化城市交通，并打造 AI 驱动的交通解决方案，助力城市实现可持续发展与智能化。
Learn more
Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险

Kiwitron 借助 Ultralytics YOLO 检测 30 米外的工业危险

了解 Kiwitron 如何在其 KewiEye 解决方案中使用 Ultralytics YOLO 模型来检测和应对工业危险，提升安全性。
Learn more
查看所有客户案例

常见问题

  • Ultralytics YOLO 模型采用 AGPL-3.0 许可，适用于学术、研究和开源项目；对于无法满足 AGPL-3.0 条款的商业用途，则采用 Ultralytics Enterprise License。YOLO27 的具体许可将在发布时确认。如果你计划进行商业部署，请查看许可选项。

  • 共七项：目标检测、实例分割、语义分割、深度估计、图像分类、姿态估计和定向目标检测。所有四种模型尺寸都计划支持每项任务，并且它们都与早期 Ultralytics YOLO 模型使用相同的 Python 和 CLI 接口。

  • 目前还不行。现阶段不会发布模型权重、配置和软件包支持，因此现有项目应继续使用 YOLO26；Ultralytics Python 软件包已全面支持 YOLO26。基于 YOLO26 构建的工作可以延续到 YOLO27，因为 YOLO27 使用相同的接口。加入候补名单，YOLO27 一旦推出，我们就会通知你。

  • Ultralytics YOLO27 会针对每种模型尺寸采用最合适的架构，而不是用一种设计覆盖整个尺寸范围。较小的 n 和 s 模型采用精简的 CNN 设计，以便在硬件受限的设备上实现高速运行；较大的 m 和 l 模型则采用基于查询、无需 NMS 的设计，以提高准确率。模型阵容也更简单，不再包含 x 模型。架构详情和初步基准测试结果请参阅 YOLO27 文档。

  • 请使用工作邮箱，在本页顶部加入候补名单。我们会在发布架构详情和基准测试结果时向你发送产品更新，并在模型可供下载、训练和部署时通知你。

  • Ultralytics YOLO27 是新一代 Ultralytics YOLO 模型，接续 YOLO26 推出。它有 n、s、m 和 l 四种规格，并通过一个共享接口支持七种视觉任务。目前这些模型处于研究与开发的最后阶段，尚不可下载或训练。

加入 Ultralytics YOLO27 候补名单

YOLO27 准备就绪时，获取产品更新和发布通知。

加入候补名单