# @capacitor-mlkit/object-detection 中文文档

规范地址：https://npmcn.com/package/%40capacitor-mlkit/object-detection/

版本：8\.2\.2
npm 元数据更新时间：2026-10-31T07:04:11.370Z
中文译文更新时间：2026-11-09T10:32:02.951Z
软件包许可：Apache-2\.0

本文由上游 README 翻译，可能存在偏差，请结合原文核对 API、命令与配置。版权与许可归原作者所有。

原始 npm 页面：https://www.npmjs.com/package/%40capacitor-mlkit/object-detection
原文对照：https://npmcn.com/package/%40capacitor-mlkit/object-detection/?lang=original
项目主页：https://capawesome.io/docs/sdks/capacitor/mlkit/object-detection/
源码仓库：https://github.com/capawesome-team/capacitor-mlkit

## 关键信息（来自 npm 元数据）

- 包体积（解压后）：66.5 kB，37 个文件
- 模块格式：ESM + CJS
- TypeScript 类型：包内自带
- 运行依赖：0 个
- peer 依赖：@capacitor/core \>=8\.0\.0
- 首次发布：2026-07-11T08:02:44.545Z
- 最新版本发布：2026-10-31T07:04:10.934Z
- 近 30 天下载量：2902（2026-10-09 至 2026-11-07，npm 官方下载统计）
- 已发布版本数：4（近 12 个月 4 个）

## 中文简介

在Android和iOS上用于ML Kit对象检测和跟踪的电容插件.

## 安装

```sh
npm install @capacitor-mlkit/object-detection
```

也可以使用：`pnpm add @capacitor-mlkit/object-detection`、`yarn add @capacitor-mlkit/object-detection`、`bun add @capacitor-mlkit/object-detection`

## README

# 电容 ML Kit 对象检测插件

非官方电容插件 [ML Kit 对象检测和跟踪](https://developers.google.com/ml-kit/vision/object-detection)\[^1\]

[![Ship a fix in one command with Capawesome Cloud Live Updates, no store review](https://capawesome.io/assets/banners/cloud-ship-a-fix-in-one-command.png)](https://capawesome.io/)

## 使用大小写

对象检测插件通常用于应用程序需要定位和分类图像中突出对象时,例如:

-   **视觉搜索**:让用户在相片中将对象周围画出一个框并搜索出相类似的产品.
-   **内容分类**: 按其包含的物体(时尚商品,食品,植物等)自动标记图像.
-   **图像裁剪**: 使用最突出对象的边框自动裁剪或聚焦图像.
-   **库存管理**:在相片中检测和计数对象,以支持编目工作流程.

## 兼容性

| 插件版本 | 电容版本 | 状态 |
| --- | --- | --- |
| 8.x.x (英语) | \>=8.x.x | 积极支持 |

## 安装

你可以用我们的 **AI 辅助设置** 以安装插件. 添加数据 [超级技能](https://github.com/capawesome-team/skills) 至您的 AI 工具,使用以下命令:

```bash
npx skills add capawesome-team/skills --skill capacitor-plugins
```

然后使用下列提示:

```
Use the `capacitor-plugins` skill from `capawesome-team/skills` to install the `@capacitor-mlkit/object-detection` plugin in my project.
```

如果你喜欢 **手动设置**,通过运行以下命令来安装插件,并遵循下面的平台特定指令:

```bash
npm install @capacitor-mlkit/object-detection
npx cap sync
```

**请注意**: 此插件 **只支持可口可乐Pods** iOS的依赖性管理。 Swift 软件包管理器( SPM) 不支持 ML Kit SDK, 参见 [本评论](https://github.com/googlesamples/mlkit/issues/180#issuecomment-1298964099)。 。 。 .

### 机器人

#### 变量

如果需要, 您可以在您的应用程序中定义以下工程变量 `variables.gradle` 要更改依赖的默认版本的文件 :

-   `$mlkitObjectDetectionVersion` 版本 `com.google.mlkit:object-detection` (默认 : `17.0.2`(中文(简体) )

如果您在工程中遇到其它插件的依赖性冲突, 这会有所帮助 .

### iOS系统

#### 最低部署目标

确定部署目标 `ios/App/Podfile` 至少改为 `15.5`数字 :

```ruby
platform :ios, '15.5'
```

## 配置

此插件不需要配置 .

## 演示

这里有一个实例: [robingenz/电容-mlkit-plugin-demo](https://github.com/robingenz/capacitor-mlkit-plugin-demo)

## 使用量

以下示例显示如何在图像中检测对象.

### 在图像中检测对象

在本地路径的图像中检测对象 。 您可以选择启用分类和检测多个对象。 仅在Android和iOS上提供:

```typescript
import { ObjectDetection } from '@capacitor-mlkit/object-detection';

const processImage = async () => {
  const { detectedObjects } = await ObjectDetection.processImage({
    path: 'path/to/image.jpg',
    shouldEnableClassification: true,
    shouldEnableMultipleObjects: true,
  });
  return detectedObjects;
};
```

## API 密码

-   [`processImage(...)`](https://npmcn.com/package/%40capacitor-mlkit/object-detection/#readme-processimage)
-   [接口](https://npmcn.com/package/%40capacitor-mlkit/object-detection/#readme-interfaces)

### 进程图像(...)

```typescript
processImage(options: ProcessImageOptions) => Promise<ProcessImageResult>
```

在所提供的图像中检测对象.

每个被检测到的物体都带有边框,如果分类 被启用,标签为5个粗类之一.

仅在Android和iOS上提供.

| 参数 | 类型 |
| --- | --- |
| **`options`** | `[ProcessImageOptions](https://npmcn.com/package/%40capacitor-mlkit/object-detection/#readme-processimageoptions)` |

**回返情况:** `Promise<[ProcessImageResult](https://npmcn.com/package/%40capacitor-mlkit/object-detection/#readme-processimageresult)>`

**自:** 8.2.0 (中文(简体) )

* * *

### 接口

#### 进程图像结果

| Prop | 类型 | 说明 | 自兹 |
| --- | --- | --- | --- |
| **`detectedObjects`** | `DetectedObject[]` | 探测到的物体. | 8.2.0 (中文(简体) ) |

#### 检测对象

代表在图像中检测到的对象.

| Prop | 类型 | 说明 | 自兹 |
| --- | --- | --- | --- |
| **`boundingBox`** | `[Rect](https://npmcn.com/package/%40capacitor-mlkit/object-detection/#readme-rect)` | 检测对象的边框 . | 8.2.0 (中文(简体) ) |
| **`trackingId`** | `number` | 被检测对象的跟踪标识符 。 仅当在流模式下检测对象时设置 . | 8.2.0 (中文(简体) ) |
| **`labels`** | `ObjectLabel[]` | 检测对象的标签 。 如果分类被禁用, 列表为空 . | 8.2.0 (中文(简体) ) |

#### 矩形

代表一个矩形.

| Prop | 类型 | 说明 | 自兹 |
| --- | --- | --- | --- |
| **`left`** | `number` | 以像素表示的矩形的左坐标. | 8.2.0 (中文(简体) ) |
| **`top`** | `number` | 以像素为单位的矩形顶部坐标. | 8.2.0 (中文(简体) ) |
| **`right`** | `number` | 以像素表示的矩形的右坐标. | 8.2.0 (中文(简体) ) |
| **`bottom`** | `number` | 矩形以像素为单位的下部坐标. | 8.2.0 (中文(简体) ) |

#### 对象标签

代表检测对象的标签.

| Prop | 类型 | 说明 | 自兹 |
| --- | --- | --- | --- |
| **`index`** | `number` | 标签索引. | 8.2.0 (中文(简体) ) |
| **`text`** | `string` | 标签的文字(如:. `Food`) (中文(简体) ). 文本总是英文. | 8.2.0 (中文(简体) ) |
| **`confidence`** | `number` | 标签的信心。 该值介于 `0.0` 财务报告和审定财务报表 `1.0`。 。 。 . | 8.2.0 (中文(简体) ) |

#### 进程图像选项

| Prop | 类型 | 说明 | 默认 | 自兹 |
| --- | --- | --- | --- | --- |
| **`path`** | `string` | 图像文件的本地路径 . |  | 8.2.0 (中文(简体) ) |
| **`shouldEnableClassification`** | `boolean` | 是否将检测对象归类为粗细类 。 分类只返回5个粗类(`Fashion good`, (中文(简体) ), `Food`, (中文(简体) ), `Home good`, (中文(简体) ), `Place` 财务报告和审定财务报表 `Plant`) (中文(简体) ). | `false` | 8.2.0 (中文(简体) ) |
| **`shouldEnableMultipleObjects`** | `boolean` | 是否检测多个对象, 而不是仅检测最突出的对象 。 启用时, 检测到最多五个对象 . | `false` | 8.2.0 (中文(简体) ) |

## 财务问题

### 此插件支持哪些平台 ?

这个 `processImage(...)` 方法只在Android和iOS上可用. Web平台不由基础的ML Kit对象检测SDK支持.

### 插件使用哪种模式 ?

该插件使用基础对象检测和跟踪模型,该模型被与app捆绑在一起. Custom tensorFlow Lite 分类器模型目前不支持.

### 分类归哪个类别?

何时 `shouldEnableClassification` 已启用,基准模型只将检测到的物体分为5个粗类: `Fashion good`, (中文(简体) ), `Food`, (中文(简体) ), `Home good`, (中文(简体) ), `Place`,以及 `Plant`。任何不属于这些类别之一的物体都得不到标签.

### 为什么 `trackingId` 未设?

插件在单图像模式下处理图像,在单图像模式下对象不会被跨帧跟踪. 这个 `trackingId` 因此没有设定。 只有在流模式下检测到对象时才被覆盖,此插件不支持.

### 我能用这个插件吗? 有Ionic、React、Vue或Angular?

是的,插件是框架不可知的。 它在任意网络框架的Capacitor app中工作,包括有Angular,React,或Vue的Ionic,以及平版JavaScript等项目.

## 相关插件

-   [ML Kit 条码扫描](https://capawesome.io/docs/sdks/capacitor/mlkit/barcode-scanning/):用ML Kit条码扫描条码.
-   [ML Kit 面部检测](https://capawesome.io/docs/sdks/capacitor/mlkit/face-detection/):用 ML Kit Face 检测图像中的检测面孔.
-   [ML Kit 图像标签](https://capawesome.io/docs/sdks/capacitor/mlkit/image-labeling/):用 ML Kit 图像标签在图像中检测标签.

## 术语和隐私

此插件使用 [Google ML Kit (Google ML Kit) 页面存档备份,存于互联网档案馆](https://developers.google.com/ml-kit)数字 :

-   [术语和隐私](https://developers.google.com/ml-kit/terms)
-   [Android 数据披露](https://developers.google.com/ml-kit/android-data-disclosure)
-   [iOS 数据披露](https://developers.google.com/ml-kit/ios-data-disclosure)

## 通讯

随时更新有关卡帕韦索姆、Capacitor和Ionic生态系统的最新消息和最新消息,因为我们 [《卡帕索克通讯》](https://cloud.capawesome.io/newsletter/)。 。 。 .

## 更改日志

见 [变动情况](https://github.com/capawesome-team/capacitor-mlkit/blob/main/packages/object-detection/CHANGELOG.md)。 。 。 .

## 许可证

见 [自由主义](https://github.com/capawesome-team/capacitor-mlkit/blob/main/packages/object-detection/LICENSE)。 。 。 .

\[^1\]: 这个项目不附属于Google LLC或其任何子公司或子公司,也不获得其认可、支持、赞助或批准.

## 常见问题

### @capacitor-mlkit/object-detection 是什么？

在Android和iOS上用于ML Kit对象检测和跟踪的电容插件\.

### 如何安装 @capacitor-mlkit/object-detection？

在项目目录运行 npm install @capacitor-mlkit/object-detection，或使用 pnpm add / yarn add / bun add。它还需要宿主项目提供 peer 依赖：@capacitor/core（\>=8\.0\.0）。npm 7 及以上与 pnpm 8 及以上默认会自动安装必需的 peer 依赖，Yarn 需要手动安装。

### @capacitor-mlkit/object-detection 支持 TypeScript 吗？

支持。包内自带 TypeScript 类型声明（package\.json 声明了 types 入口），安装后即可获得类型提示，无需再安装 @types 包。

### @capacitor-mlkit/object-detection 支持 ESM 还是 CommonJS？

同时提供 ES Module 与 CommonJS 入口，import 和 require\(\) 都可以使用，打包工具会自动选择合适的版本。

### @capacitor-mlkit/object-detection 可以商用吗？

@capacitor-mlkit/object-detection 使用 Apache-2\.0 许可。宽松许可：允许商业使用、修改和再分发，并附带明确的专利授权；分发时需保留许可与 NOTICE 文件，修改过的文件要注明改动。以上为概括，不构成法律意见，请以许可原文为准。

### @capacitor-mlkit/object-detection 的下载量有多少？

根据 npm 官方下载统计，@capacitor-mlkit/object-detection 在 2026/10/09 – 2026/11/07 这 30 天内被下载 2,902 次，日均约 97 次。下载量会把 CI 构建、镜像同步和作为其他包依赖的安装一并计入，适合横向比较热度，不能直接等同于使用人数。

### @capacitor-mlkit/object-detection 还在维护吗？

最新版本 8\.2\.2 发布于 2026/10/31（9 天前）；至今共发布 4 个版本，其中过去 12 个月发布了 4 个；首次发布于 2026/07/11。发布频率只是参考信号：功能稳定的工具可能很少需要更新，建议结合源码仓库的 issue 和提交记录判断。