断了好几天没整这一块了- -要不是在炼丹，要不就是在改进传统方法的阈值分割效果。 那肯定还是传统方法比较好改进的，对yolo网络，改结构的适用性也不一定高- -加大参数量效果也不一定好。
炼丹正确率最后终于到80%以上了，开始使用吧。
yolo task=detect mode=predict model=best.pt source=data/images device=0
相应参数选择见下表：
检测任务肯定是要保存结果的，并且还要保存为.txt文件。本身图片就小，置信度分数也要隐藏一下，要不会特别乱。
完成运行后命令行长这样，再在相应文件夹看检测结果就好了。
很难不眼花。。刚好在上一步操作中，保存了.txt文件，那么计数方法也很简单了，看每个子图相应的.txt文件行数就好。框的坐标也是在的，想在pycharm复现框也没啥问题，就是肯定会特别乱。。
把类别标号去了好看多了
后续，需对置信度进行设置，选择一个较为合适的阈值。
