yolov8预测函数

### YOLOv8预测函数的使用方法

对于YOLOv8模型，在执行预测操作时，`predict()` 方法是一个核心接口。此方法允许用户通过已训练好的模型对新图像或视频流中的对象进行检测。

在调用 `model.predict()` 函数之前，需先完成必要的准备工作，比如加载预训练权重文件以及设置好输入源（可以是单张图片路径、目录下的多张图片或是实时摄像头）。下面给出一段Python代码作为示例来展示如何利用YOLOv8进行目标检测并获取其返回的结果：

from ultralytics import YOLO

# Load a pretrained YOLOv8n model
model = YOLO('yolov8n.pt') 

# Perform inference on an image using the model's predict method.
results = model.predict(source='path/to/image.jpg', conf=0.7, iou=0.5)

for r in results:
    boxes = r.boxes  # Boxes object for bbox outputs
    masks = r.masks  # Masks object for segmenation masks outputs (if available)
    probs = r.probs  # Class probabilities for classification models (if applicable)

上述代码片段展示了如何初始化YOLOv8实例，并传入待测样本的位置字符串给 `source` 参数；同时还可以调整置信度阈值 `conf` 和交并比阈值 `iou` 来控制最终输出的质量[^1]。