自定义目标检测（CustomObjectDetector）使用指导：用自己的 TFLite 模型找物体

• 它能做什么
• 准备工作
• 案例一：检测并画框
• 案例二：显示细分类别
• 案例三：实时检测：画面上直接框出物体
• 结果数据说明
• 常见问题
• 完整 .aia 源码与操作指导

« 返回

机器学习套件(ML Kit)组件在在线版和教育版中提供，离线版（含机房版）不包含。

暂未开放：该组件暂未上架组件面板，本页保留供了解（原因与恢复进度见 组件参考）。

它能做什么

自定义目标检测找出图片里的物体并给出位置框，再用你自己的 TFLite 模型做精细分类，突破基础模型只有 5 大类的限制。案例工程自带 Google ML Kit 官方示例里的物体分类模型 object_labeler.tflite（Apache-2.0 许可，ImageNet 上千种类别）。

准备工作

• 模型文件：先把 .tflite 上传为素材，「模型文件」填素材文件名。
• 事件：与「目标检测」相同，先发汇总，再逐个物体触发。
• 实时识别：在设计器里放一个垂直布局当「预览容器」，「打开实时摄像头」后画面上直接框出物体，同一个物体有不变的跟踪编号。
• 联机调试：安卓上用 AI 伴侣调试需要安装 MLKit 版 AI 伴侣（应用宝，包名 cn.fun123.appinventor）；普通版伴侣不含识别引擎，调用时会触发「屏幕.出现错误时」（错误码 4722）。直接打包 APK 安装测试不受影响。
• 安装包体积：只有用到本组件的 App 才会打包它的识别引擎与模型，体积以编译结果为准。
• 鸿蒙：暂不支持：鸿蒙需要 MindSpore 格式的模型，暂不支持 TFLite 模型，图片识别与实时摄像头都会触发「检测失败时」。

案例一：检测并画框

画布背景设成原图，汇总事件里记下换算比例：

global 横向比例 = 1
global 纵向比例 = 1
when 图像选择器_相册.AfterPicking() {
  画布_结果.BackgroundImage = 图像选择器_相册.Selection
  画布_结果.Clear()
  自定义目标检测1.DetectFromFile(图像选择器_相册.Selection)
}
when 自定义目标检测1.GotObjects(数量, 图片宽度, 图片高度, 结果JSON) {
  横向比例 = 画布_结果.Width / 图片宽度
  纵向比例 = 画布_结果.Height / 图片高度
}

案例二：显示细分类别

每个物体给出模型里的类别名和置信度：

when 自定义目标检测1.GotObject(索引, x坐标, y坐标, 宽度, 高度, 标签文字, 置信度, 跟踪编号) {
  画布_结果.DrawLine(x坐标 * 横向比例, y坐标 * 纵向比例, (x坐标 + 宽度) * 横向比例, y坐标 * 纵向比例)
  画布_结果.DrawText(join(索引, " ", 标签文字), x坐标 * 横向比例 + 6, y坐标 * 纵向比例 + 24)
  标签_详情.Text = join(索引, ". ", 标签文字, "  ", round(置信度 * 100), "%")
}
when 自定义目标检测1.NoObjectFound(操作) {
  标签_状态.Text = "没有找到物体"
}

案例三：实时检测：画面上直接框出物体

实时检测用视频流模式，更快，且同一个物体在连续画面里保持同一个「跟踪编号」；画面上的框和类别由组件画好，事件里只刷新列表：

when 按钮_实时.Click() {
  自定义目标检测1.PreviewContainer = 垂直布局_预览
  自定义目标检测1.StartLiveCamera()
}
when 按钮_停止.Click() { 自定义目标检测1.StopLiveCamera() }
when 自定义目标检测1.LiveObjects(数量, 图片宽度, 图片高度, 结果JSON) {
  var 名单 = list()
  foreach 物体 in Web客户端1.JsonTextDecodeWithDictionaries(结果JSON) {
    var 标签表 = dictget(物体, "labels", list())
    var 类别 = "（未分类）"
    if length(标签表) > 0 {
      类别 = dictget(select(标签表, 1), "label", "")
    }
    listAdd(名单, join("#", dictget(物体, "trackingId", -1), " ", 类别))
  }
  列表显示框_物体.Elements = 名单
}

结果数据说明

与「目标检测」相同：序号从 1 开始，坐标是原图像素；「结果JSON」每项含 bounds、trackingId、labels（label、confidence、index）。

常见问题

完整 .aia 源码与操作指导

下载 .aia 源码

导入 CustomObjectDetectorDemo.aia 后可以直接打包 APK 运行；用 AI 伴侣联机调试请安装 MLKit 版 AI 伴侣。源码文件已通过正式编辑器载入、后台导入和 APK 编译校验；真机识别效果请以实际设备为准。

案例界面与积木源码在仓库 docs/markdown/reference/components/guide/examples/CustomObjectDetectorDemo/，SHA-256：efe5bb97fa9b2139c10c62d7b604a265c2ceb307955eaf2a0d3288be1c654f68。