| 变量名 | 类 型 | 静态 | 数组 | 备 注 |
| 类别 | 字节集 | | 0 |
| 网络 | 神经网络 | | |
| 图片 | 多维矩阵 | | |
| 斑点 | 多维矩阵 | | |
| 平均值 | 标量 | | |
| 未连接名称 | 文本向量 | | |
| 斑点集 | 多维矩阵向量 | | |
| i | 整数型 | | |
| 置信度集 | 小数向量 | | |
| 盒子集 | 矩形向量i | | |
| 索引集 | 整数向量 | | |
| 过滤索引集 | 整数向量 | | |
| 局索引 | 整数型 | | |
| 局文本 | 文本型 | | |
| 文本尺寸 | 尺寸数据结构i | | |
| 边框颜色 | 标量 | | |
| 文本颜色 | 标量 | | |
| 局矩形 | 矩形数据结构i | | |
调试输出 (文件是否存在 (编辑框1.内容
))
类别 ＝
分割字节集 (读入文件 (编辑框1.内容
),
{ 10
},
)调试输出 (文件是否存在 (编辑框2.内容
))
调试输出 (文件是否存在 (编辑框3.内容
))
视觉_从文件读取暗网 (网络.指针, 编辑框2.内容, 编辑框3.内容
) 视觉_图像读取 (图片.指针, 编辑框4.内容,
#读入_颜色 ) 
如果真 (图片.
空 ())
调试输出 (“图片加载失败！”)返回 ()视觉_来自图像的斑点Z (图片.指针, 斑点.指针, 1 ÷ 255, 608, 608, 平均值, 假, 假, #三十二位浮点数 )
网络.
设置输入 (斑点.指针,
“”, 1, 平均值
)网络.
获取未连接的层名称 (未连接名称.指针
)
变量循环首 (0, 未连接名称.
尺寸 () － 1, 1, i
)调试输出 (未连接名称.
取数据 (i
))
变量循环尾 ()网络.
向前 (斑点集.指针, 未连接名称.指针
) 视觉_目标检测 (图片.指针, 斑点集.指针, 0.2, 盒子集.指针, 置信度集.指针, 索引集.指针
)视觉_非最大抑制 (盒子集.指针, 置信度集.指针, 0.3, 0.2, 过滤索引集.指针, 1, 0
)调试输出 (“找到目标：”, 过滤索引集.
尺寸 ())
计次循环首 (过滤索引集.
尺寸 (), i
)局索引 ＝ 过滤索引集.
取数据 (i － 1
)局文本 ＝
到文本 (类别
[索引集.
取数据 (局索引
) ＋ 1
])局文本 ＝ 局文本 ＋
“:” ＋
到文本 (置信度集.
取数据 (局索引
)) ＋
“%”视觉_获取文本尺寸 (局文本,
#字体_衬线_简单, 0.5, 1, 0, 文本尺寸
) 边框颜色.通道1 ＝ 局索引 × 11 ％ 256
边框颜色.通道2 ＝ 局索引 × 22 ％ 256
边框颜色.通道3 ＝ 局索引 × 33 ％ 256
文本颜色.通道1 ＝ 255 － 局索引 × 11 ％ 256
文本颜色.通道2 ＝ 255 － 局索引 × 22 ％ 256
文本颜色.通道3 ＝ 255 － 局索引 × 33 ％ 256
边框颜色.通道1 ＝ 局索引 × 11 ％ 256
盒子集.
取数据 (局索引, 局矩形
)视觉_矩形i (图片.指针, 局矩形, 边框颜色, 1, 8, 0
)视觉_矩形ZR (图片.指针, 局矩形.左边 － 1, 局矩形.顶边, 局矩形.左边 ＋ 文本尺寸.宽, 局矩形.顶边 － 文本尺寸.高, 边框颜色, -1, 8, 0
)视觉_放置文本Zi (图片.指针, 局文本, 局矩形.左边, 局矩形.顶边 － 2,
#字体_衬线_简单, 0.5, 文本颜色, 1, 8,
假)计次循环尾 ()视觉_显示图像 (“小白鼠”, 图片.指针
)视觉_等待按键 (0
)
