如何将TensorFlow API目标检测的对象名称保存至文本文件？

嘿，我来帮你搞定这个问题！结合TensorFlow Object Detection API的常规使用流程，你只需要在检测推理的代码逻辑里加几行，就能轻松把检测到的类别名称和对应的准确率（置信度）写入文本文件。下面是具体的操作步骤和代码示例：

不管你用的是官方的Jupyter Notebook教程还是自定义的推理脚本，核心是找到**处理模型输出（detections）**的代码段。比如在官方的tutorial.ipynb里，有一段专门循环处理检测框、类别和置信度的逻辑，我们就从这里入手。

根据你的使用场景（单图片/多帧视频），可以选择两种写入方式：

方式一：单图片检测 - 覆盖写入 #

如果只处理单张图片，用'w'模式打开文件会覆盖之前的内容，适合单次检测的结果保存：

# 假设你已经获取了以下核心变量：
# category_index：从label_map加载的类别索引字典
# detections：模型输出的检测结果字典
# min_score_thresh：自定义的置信度阈值（比如0.5，过滤低准确率结果）

# 打开文本文件，指定编码避免乱码
with open('detection_results.txt', 'w', encoding='utf-8') as f:
    # 筛选出符合置信度要求的检测结果索引
    valid_indices = np.where(detections['detection_scores'] > min_score_thresh)[0]
    for idx in valid_indices:
        # 获取检测对象的类别名称
        class_name = category_index[detections['detection_classes'][idx]]['name']
        # 提取并格式化准确率（保留两位小数）
        accuracy = round(detections['detection_scores'][idx].item(), 2)
        # 写入文件，每行一条结果
        f.write(f"检测对象：{class_name}，准确率：{accuracy}\n")

方式二：视频/多图片检测 - 追加写入 #

如果处理视频流或者批量图片，想要保留所有检测记录，把打开模式改成'a'（追加），还可以加上时间戳区分不同批次的检测结果：

from datetime import datetime

# 获取当前时间作为检测批次标识
current_batch_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")

with open('detection_results.txt', 'a', encoding='utf-8') as f:
    f.write(f"=== 检测批次：{current_batch_time} ===\n")
    valid_indices = np.where(detections['detection_scores'] > min_score_thresh)[0]
    for idx in valid_indices:
        class_name = category_index[detections['detection_classes'][idx]]['name']
        accuracy = round(detections['detection_scores'][idx].item(), 2)
        f.write(f"检测对象：{class_name}，准确率：{accuracy}\n")

别忘了，category_index是从你的label_map文件生成的，官方代码里通常会有这段初始化逻辑，你需要替换成自己的label_map路径：

from object_detection.utils import label_map_util

# 替换为你的label_map.pbtxt文件路径
label_map_path = 'path/to/your/label_map.pbtxt'
label_map = label_map_util.load_labelmap(label_map_path)
categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=90, use_display_name=True)
category_index = label_map_util.create_category_index(categories)

既然你最终要做语音播报，其实可以在写入文件的同时直接调用语音合成库（比如pyttsx3），不用后续再读取文件：

import pyttsx3

# 初始化语音引擎
engine = pyttsx3.init()

valid_indices = np.where(detections['detection_scores'] > min_score_thresh)[0]
for idx in valid_indices:
    class_name = category_index[detections['detection_classes'][idx]]['name']
    accuracy = round(detections['detection_scores'][idx].item(), 2)
    result_text = f"检测到{class_name}，准确率{accuracy}"
    # 写入文件
    with open('detection_results.txt', 'a', encoding='utf-8') as f:
        f.write(result_text + "\n")
    # 语音播报
    engine.say(result_text)
engine.runAndWait()

内容的提问来源于stack exchange，提问作者Nishajith .A