节点功能：基于YOLO模型的对象检测器，用于在图像中检测特定对象并返回检测框和预览图像。
| 输入参数 | |
| image | 输入图像，支持多图批量处理。 |
| 输出参数 | |
| bboxes | 每张图像对应的边界框集合，格式为 [x1, y1, x2, y2]。 |
| preview | 预览图像，图中绘制了选中的边界框。 |
| 控件参数 | |
| yolo_world_model | 所选的 YOLO-WORLD 模型 ID。可选项包括：yolo_world/v2-x, v2-l, v2-m, v2-s, l, m, s。 推荐 v2-x 用于效果优先，v2-s 用于速度优先。 |
| confidence_threshold | 检测置信度阈值，范围为 0~1。置信度越高，结果越精准但检测项越少。建议初始值为 0.05，再按需调节。 |
| nms_iou_threshold | 非极大值抑制的 IOU 阈值，范围为 0~1。控制相邻框的合并，建议设置为 0.3。数值越高，保留的重叠框越多。 |
| prompt | 自然语言类目提示词。 |
| sort_method | 检测框排序方式。 可选值如下： • area：按面积排序。 • left2right：按 X 轴排序。 • top2bottom：按 Y 轴排序。 • random：随机排序。 |
| bbox_select | 检测框选择方式。 可选值如下： • all：全部返回。 • first：第一个框。 • last：最后一个框。 • range：指定范围。 • index：指定索引。 |
| select_index | 指定选中的框索引，如 0,1 或 1-3。 |
confidence_threshold（置信度阈值）越高，检测结果越精准，但也更容易漏检一些目标，比如下图，0.5的时候有一部分车辆没检测到；相反，阈值越低，检测到的目标数量更多，但可能会引入误检，将非目标类别的物体也误判为目标。
nms_iou_threshold它是前一步的操作。它是检测框间交并比（IoU）的一个阈值，当两个检测框的IoU大于该值，系统会选择置信度较高的检测框，同时剔除低置信度的框。所以这个值不用怎么调整，如果预览图中某个物体上有多个框，则需要把这个值调大。
从下图可以看到，yolo_world比yolo_world_v2更强，l>m>s
关于其他参数的用法大家可参照LayerMask: Object Detector Florence2(Advance)节点文章