语言:

• 英文 库名称: ultralytics 任务标签: 目标检测 标签:
• yolo
• 目标检测
• yolo11
• yolov11

基于YOLO11x的数字与运算符检测模型

本仓库包含一个PyTorch导出的目标检测模型，采用YOLO11x架构实现数字(0-10)和基础算术运算符(+, -, ×, ÷, =)的识别功能。该模型经过训练可精准定位图像中的这些符号并返回其坐标位置及分类结果。

模型说明

本YOLO11x模型专为检测以下元素优化：

• 数字类：0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
• 运算符类：+, -, ×, ÷, =

#类别清单
0
1
2
3
4
5
6
7
8
9
div
eqv
minus
mult
plus

使用方法

在项目中调用本模型请遵循以下步骤：

1. 环境安装

确保已安装YOLO模型专用库ultralytics：

pip install ultralytics

2. 加载模型

通过以下代码加载模型并进行图像检测：

from ultralytics import YOLO

# 加载模型文件
model = YOLO("./number_11x.pt")

# 执行图像检测
results = model("image.png")

# 可视化或处理结果
results.show()  # 显示带检测框的图像

3. 结果解析

检测结果对象包含每个目标的以下信息：

• 边界框坐标
• 类别标签（数字或运算符）
• 置信度分数

可通过如下方式调用：

for result in results:
    print(result.boxes)   # 边界框数据
    print(result.names)   # 检测到的类别
    print(result.scores)  # 置信度评分

#yolo11