YOLO 入门介绍

更新: 2026/3/2 字数: 0 字 时长: 0 分钟

$yolo 模块用于在 Bot.js Pro 自动化脚本中集成 YOLO 系列深度学习模型，实现高性能本地图像推理与智能识别能力。

该模块兼容 YOLOX 及 YOLO v5 ~ v26 全系列模型，统一推理 API 接口，支持多种视觉任务类型，适用于复杂自动化场景中的目标定位与图像分析。

YOLO 全系列模型支持能力

YOLO 版本	目标检测	实例分割	姿势估计	图像分类	旋转框	发布日期	官方/社区
YOLOX	✅	❌	❌	❌	❌	2021.07	社区 (旷视 Megvii)
YOLOv5	✅	✅	❌	✅	✅	2020.06	官方 (Ultralytics)
YOLOv6	✅	❌	❌	❌	❌	2022.06	社区 (美团 Meituan)
YOLOv7	✅	❌	❌	❌	❌	2022.07	社区 (原作者 Chien-Yao Wang)
YOLOv8	✅	✅	✅	✅	✅	2023.01	官方 (Ultralytics)
YOLOv9	✅	❌	❌	❌	❌	2024.02	社区 (原作者 Chien-Yao Wang)
YOLOv10	✅	❌	❌	❌	❌	2024.05	社区 (清华大学)
YOLO11	✅	✅	✅	✅	✅	2024.08	官方 (Ultralytics)
YOLO12	✅	❌	❌	❌	❌	2024.11	社区 (基于YOLOv8)
YOLO13	✅	❌	❌	❌	❌	2025.6	社区 (非主流)
YOLO26	✅	✅	✅	✅	✅	2026.01	官方 (Ultralytics)

推荐说明

建议优先选择 Ultralytics 官方维护版本（YOLO26、YOLO11、YOLOv8、YOLOv5），具备以下优势：

• 长期更新与技术支持
• 生态完善（训练、部署、推理工具齐全）
• 支持检测、分割、姿态、分类、旋转框等多任务
• 文档完善，社区活跃，稳定性高

👉 社区版本（v13、v12、v10、v9、v7、v6）多用于论文验证或实验研究，不适合长期生产环境。

• Ultralytics 官网地址 https://www.ultralytics.com
• Ultralytics 文档地址 https://docs.ultralytics.com
• Ultralytics 开源地址 https://github.com/ultralytics/ultralytics

视觉任务类型

YOLO 支持多种计算机视觉任务，不同任务适用于不同场景：

• 目标检测（Detect）
• 实例分割（Segment）
• 旋转框检测（OBB）
• 姿势估计（Pose）
• 图像分类（Classify）

模型格式

• ONNX
• NCNN

可直接部署主流训练框架导出的模型文件，覆盖大多数 YOLO 模型应用场景。

应用场景

$yolo 模块专为高自动化脚本与复杂界面识别场景设计，常用于：

• 🎮 游戏脚本自动识别怪物、按钮、道具、地图元素
• 🔐 图形验证码识别与智能点击验证
• 🖼 界面元素检测与自动定位操作
• 📊 图片内容分类与状态判断
• 📍 复杂界面目标追踪与交互自动化

相比传统基于颜色或模板匹配方式，YOLO 模型在复杂画面、动态界面和遮挡场景下具备更高的稳定性与识别准确率。

文档导航

• 👉 环境搭建
• 👉 数据集
• 👉 模型训练
• 👉 模型导出
• 👉 YOLO 模型调用
• 👉 YOLOResults 推理结果

---