使用 YOLOv8 的 results.xyxy 結構，下面是一個完整的 MQTT 推送腳本，用于把識別到的目標（比如突涌水、水漬、障礙物等）發送到 Frigate 的 MQTT 接口。

---

? 前提假設

1. YOLOv8 推理代碼已經運行并生成 results.xyxy。
2. 每一行是 [x1, y1, x2, y2, conf, class_id]。
3. 類別標簽由你自己定義，如 model.names[class_id]。
4. MQTT 服務運行在本地（或局域網），默認端口 1883。
5. Frigate 配置正確，監聽 frigate/events 主題。

---

📜 完整 Python 腳本（YOLOv8 + MQTT 發事件）

import paho.mqtt.publish as publish
import uuid
import json
from ultralytics import YOLO
import cv2# ---------- 你可以自定義的變量 ----------
MQTT_HOST = '127.0.0.1'       # Mosquitto服務器地址
MQTT_PORT = 1883              # MQTT端口
FRIGATE_TOPIC = 'frigate/events'
CAMERA_NAME = 'usb_cam'       # Frigate中配置的攝像頭名
DETECTION_CONFIDENCE_THRESHOLD = 0.5
# ----------------------------------------# 加載你訓練好的YOLOv8模型
model = YOLO("best.pt")  # 改成你的模型路徑# 讀取圖片/視頻幀（你可以用cv2.VideoCapture循環處理流）
frame = cv2.imread("test.jpg")  # 或者循環處理幀# 推理
results = model(frame)# 遍歷檢測結果（默認只有一張圖）
for r in results:boxes = r.boxes.xyxy.cpu().numpy()       # shape: (n, 4)scores = r.boxes.conf.cpu().numpy()      # shape: (n,)classes = r.boxes.cls.cpu().numpy().astype(int)for i in range(len(boxes)):conf = scores[i]if conf < DETECTION_CONFIDENCE_THRESHOLD:continue  # 忽略低置信度結果box = boxes[i]class_id = classes[i]label = model.names[class_id]  # 類別名payload = {"type": "new","after": {"id": str(uuid.uuid4()),"camera": CAMERA_NAME,"label": label,"top_score": float(conf),"box": {"x_min": int(box[0]),"y_min": int(box[1]),"x_max": int(box[2]),"y_max": int(box[3])}}}# 發布到 MQTTpublish.single(topic=FRIGATE_TOPIC,payload=json.dumps(payload),hostname=MQTT_HOST,port=MQTT_PORT)print(f"已發送檢測事件: {label} ({conf:.2f})")

---

🧪 示例運行流程

1. 替換你的模型路徑和攝像頭名稱（與你 Frigate 中的一致）；
2. 放一張測試圖片 test.jpg；
3. 運行腳本，Frigate 界面就能看到事件了。

---

📌 可選增強

目標	實現方式
處理實時攝像頭流	cv2.VideoCapture() 讀取幀循環處理
支持多幀批量推送	放在循環中，設置時間間隔
顯示檢測圖像	用 cv2.rectangle() 可視化框

---

🚨 注意事項

• MQTT 消息中 camera 字段必須是 Frigate 配置文件中的某個攝像頭名。
• box 坐標建議使用整數。
• YOLO 推理較慢時注意控制幀率，不要每幀都發（可 1~2 秒一次）。
• 如果你在 Windows 下網絡受限，確保 Frigate、MQTT、這個腳本三者之間是能連通的（用 127.0.0.1 通常沒問題）。

---