.NET 10 + YOLO 的多模型视觉平台：检测、分割、OBB、姿态全支持-编程实验室

前言

基于 .NET 10 的多模型智能识别平台。

高效 · 灵活 · 易部署

项目简介

在 AI 应用落地过程中，模型管理与多任务识别一直是开发者的痛点。

不管是目标检测、图像分类、实例分割、姿态估计，还是定向检测（OBB），往往需要同时部署多个模型——传统方案在效率和易用性上常遇瓶颈。

项目正是为解决这些问题而生：

基于.NET 10的现代化架构
集成YoloDotNet高性能推理引擎
使用SQLite实现轻量级模型管理
提供开箱即用的智能识别平台

核心功能

多模型管理：增删改查、版本控制、快速切换

单机多任务识别：同时运行检测、分割、分类等不同任务

跨平台部署：支持 Windows / Linux / Docker，适配边缘设备与服务器

应用场景

场景	应用示例
工业质检	表面瑕疵检测、异物识别
零售分析	顾客行为分析、货架状态监测
智能安防	异常行为识别、人体姿态估计
科研教育	多模型对比实验平台
边缘计算	轻量化部署至 Jetson、x86 服务器等

功能特性

多模型管理

支持 CRUD 操作

模型版本化 & 快速切换

单机轻松维护多个 ONNX 模型

单机多任务流畅运行

支持任务类型：

目标检测（Detection）
OBB 定向检测
图像分类（Classification）
实例分割（Segmentation）
姿态估计（Pose Estimation）

基于YoloDotNet高速推理内核

零配置，一键运行

跨平台 & 部署友好

支持Windows / Linux / Docker
轻量化设计，适配边缘设备（如 NVIDIA Jetson）和云服务器
开箱即用，大幅降低 AI 集成门槛

依赖组件

数据操作

集成Dapper+SqlSugarCore
支持高性能 SQL 映射与链式查询
自动建表，开发高效
轻量但具备生产级性能

YoloDotNet

C# 生态中极快、功能最全的 YOLO 推理库

支持模型版本：

YOLOv5u | YOLOv8 | YOLOv9 | YOLOv10 | YOLOv11 | YOLOv12
YOLO-World | YOLO-E

支持任务全覆盖：检测 / OBB / 分割 / 分类 / 姿态 / 跟踪

支持的任务类型

分类 (Classification)

检测 (Detection)

OBB 定向检测

分割 (Segmentation)

姿态估计 (Pose)

推理后端支持

ONNX Runtime

CPU
CUDA（NVIDIA GPU）
TensorRT（高性能推理加速）

项目使用

NuGet 安装

dotnet add package xx.Yolo.Server

调用示例

namespace xx.Yolo.Test { internalclassProgram { static async Task Main(string[] args) { // 图片与模型路径（请替换为实际路径） string imagePath = "?????"; string onnxModel = "?????"; OnnxType onnxType = OnnxType.ObjectDetection; using SKImage image = SKImage.FromEncodedData(imagePath); // 执行识别 var result = await IdentityOperate.Instance(new IdentityData { Hardware = new CpuExecutionProvider(), IdentifyType = onnxType, OnnxPath = onnxModel, SN = $"{onnxType}_{onnxModel}" }).RunAsync(new ObjectDetectionData { Confidence = 0.23, Iou = 0.7, File = image.Encode().ToArray() }); // 获取结果并可视化 var detections = result.GetObjectDetectionResult().ToObjectDetection(); using SKBitmap output = image.Draw(detections); // 可保存或显示 output } } }