YOLO Workbench 推理 · 训练 · 数据 一体化
模型: - 后端待连接

训练任务

定义要识别什么 → 上传素材(图片/视频自动抽帧) → 预标注 → 在线修正 → 一键训练
视频目标计数流程:① 新建任务(如 tree-count,类别定义好「tree」) → ② 上传视频素材(自动抽帧成图片) → ③ 自动预标注 → ④ 在线画框修正树冠 → ⑤ 一键训练 → ⑥ 到「③ 推理验证」选训练产物,跑视频即可实时统计目标数量

实验列表

实验模型权重results.csv修改时间
点击刷新加载实验

指标曲线

未选择实验

训练产物

混淆矩阵 / 样本图等
未选择实验

启动新训练

需 ultralytics 命令可用
训练日志
(启动训练后可查看实时日志)

图片 / 视频检测

离线文件 · 单张/视频
选择图片或视频开始检测
支持 jpg/png/bmp/webp · mp4/avi/mov/mkv
-目标数
-耗时
-FPS

检测结果

  • 等待检测...

视频流实时检测

服务端拉流 · 逐帧 YOLO 推理
RTSP 视频流 通用 / HTTP 流
千里眼平台 移动云摄像头
告警提醒

告警记录

命中条件的检测在此留痕(本地保存最近200条)
  • 暂无告警

本机摄像头实时检测

浏览器端 · 按帧采样

目标节点

选择边缘节点,把 best.pt 转换为可烧录固件产物(ONNX → 平台工具链 → 固件包)
加载节点列表...

构建固件

请先选择目标节点
构建日志
(选择节点与权重后点击「开始构建」)

数据集

扫描 datasets/ 目录,自动识别 images+labels 结构

考勤检测

上班 9:00 · 下班 18:00(9:00 后进入=迟到人次,18:00 前离开=早退人次)
门口摄像头

今日考勤统计

0进入
0离开
0迟到
0早退

每时段进出流量

进出事件

出现=进入 / 消失=离开,YOLO 无法识别身份,统计为人次口径
时间方向判定截图(点击放大)详情
暂无事件