一、检测代码
可以在yolo项目代码的根目录，新建一个python文件，我这里叫做detect.py，代码的内容如下：
from ultralytics import YOLO
if __name__ == '__main__':
model = YOLO(r"yolo26n.pt") # 填写测试模型的路径
results = model("ultralytics/assets", save=True) #填写测试资源的路径，可以是图片、视频、文件夹的路径
for result in results:
xywh = result.boxes.xywh #中心点坐标和宽高信息 center-x, center-y, width, height
xywhn = result.boxes.xywhn # normalized代码由微智启软件工作室整理，转载标明出处
xyxy = result.boxes.xyxy # top-left-x, top-left-y, bottom-right-x, bottom-right-y
xyxyn = result.boxes.xyxyn # normalized
names = [result.names[cls.item()] for cls in result.boxes.cls.int()] #类别的名称 class name of each box
confs = result.boxes.conf #置信度的值 confidence score of each box
二、修改替换检测模型
默认填写的是yolo官方的模型，检测80种类别，如果希望使用自己的模型，实现自定义检测，只需要把yolo26n.pt修改成自己模型的路径即可。
例如下图所示的best.pt模型，可以采用相对或者绝对路径：
三、检测图片
1、检测图片，只需要把第一个参数，修改成图片的路径即可，其他参数可以保持不变，例如我想检测bus.jpg这个图片，那么只需要这样写就可以了。
2、检测完毕后，底部会输出检测的路径地址，一般为runs文件夹的最后一个文件夹（每运行一次检测，就会生成一个文件夹）
四、检测视频、文件夹
检测视频，和检测图片的步骤是一致的，只需要把图片的路径，改成对应的检测资源路径即可
检测视频
1、例如我想检测这个person.mp4的视频，那么我只需要把它填写进去，右键运行程序就行了
2、然后底部就会有如下的输出，红色框是每一帧输出的结果，绿色框为当前检测帧数和总的帧数（即为检测的进度）
3、如果想实时显示检测视频的结果，我们可以增加一个参数show=True ，如下图所示
results = model(r"person.mp4", save=True,show=True)4、右下角，就是弹出的实时检测的视频窗口啦。
5、检测完毕后，在runs文件夹，依旧可以查看检测的结果视频，但是我们不能直接打开查看，因为我们现在这个是代码编辑器，它比较难支持视频的播放，会弹出右侧的弹窗
6、那么我们可以在文件夹中，使用系统的视频播放器，打开查看对应的视频结果
检测文件夹
有时候，我们需要检测很多张图片，一张一张的输入路径地址再检测，这是非常大的工作量。这时候，我们可以直接填写文件夹的路径，它就会依次检测里面的所有图片。
1、例如我想检测左边红框的两个图片，那么我就写上它的文件夹路径（蓝色框部分）
2、运行检测后，它就会依次检测啦，底部红色框为每一张图片的检测结果进度
3、输出的结果，依旧是在runs对应的文件夹
五、检测摄像头
检测摄像头，只需要把测试资源的路径，改成对应的设备序号就可以了，序号顺序从0开始，我这里只有一个摄像头，所以填写0（如果是第二个摄像头，可以填写1）。
摄像头检测，和视频一样，它默认不会实时显示检测的画面，这时候可以添加参数，show=True来实时查看，例如：
results = model(r"0", save=True,show=True) 
yolov8v11检测
对于yolov8和yolov11，它们的步骤也都是一样的，只需要把模型改成对应的就可以了，代码是通用的，例如我的yolov8是这样的，就模型路径改变就行了。
