Azure Blob Storage 集成

Azure Blob Storage集成可将你的存储帐户容器连接到 Ultralytics Platform。图像会保留在你的容器中——Platform 会直接为图像建立索引，因此你无需上传副本，即可浏览、标注图像并训练 YOLO 模型。开启 AI 功能后，Platform 还可使用这些图像进行智能标注、自动标注、相似图像搜索和云端训练。

获取连接字符串#

Platform 会读取你的 Blob，仅在图像生成时创建新的 Blob；不会修改或删除 Blob。目前的集成需要使用帐户访问密钥连接字符串，这会授予帐户范围的权限：

1. 在 Azure 门户中，打开你的存储账户。
2. 前往 Security + networking > Access keys。
3. 复制一个 connection string。

该字符串必须包含 AccountName、AccountKey，并将 HTTPS 设为协议——也就是 Azure 在 Access keys 下提供的格式。包含 SharedAccessSignature 而非 AccountKey 的 SAS 令牌连接字符串会被拒绝。

连接到 Platform#

1. 前往 Settings > Integrations，然后从集成列表中选择 Azure Blob Storage。
2. 粘贴连接字符串。
3. 点击 Find available containers，然后选择要连接的容器。你也可以手动输入容器名称。
4. 点击 连接。Platform 会在保存任何内容之前验证其是否可以列出和读取每个选定的容器。帐户密钥始终可以创建 Blob，因此自图像生成功能推出后连接或重新连接的容器都可以写入。

每个已连接的凭据都有一个 AI 功能开关。

你需要拥有工作区管理员或所有者角色，才能连接云存储。你 每次最多可以添加 50 个容器；系统最多会列出存储账户中的 300 个容器。

之后重新连接同一个存储账户时，可以向现有集成添加新容器。只有在替换凭据仍能读取所有已连接容器时，系统才会替换已保存的凭据。如果无法读取任何容器，错误信息会指出该容器，包括之前通过同一个存储账户连接的容器。

AI 功能#

每个已连接的凭据都在 Settings > Integrations 中有一个默认开启的 AI 功能开关。开启期间，Ultralytics GPU 和 AI 模型提供商可能会将该凭据中的图像用于：

• SAM 智能标注，以及单张图像和批量自动标注
• 相似图像搜索和聚类分析
• 云端训练
• 图像生成，仅限具有写入权限的容器

AI 模型服务商仅会参与图像生成（Google Gemini 会根据源图像规划提示词）和付费标注模型的处理（这些模型使用你工作区自己的服务商密钥运行）。Platform 不会保存你的图像副本：各项功能会按需读取图像，云端训练会在训练运行期间使用临时副本，而相似图像搜索会为每张图像保存一个嵌入，图像从 Platform 中移除时，该嵌入也会删除。

关闭开关后，图像不会发送到 Ultralytics GPU 或 AI 模型提供商。关闭开关会停止新的 AI 任务；已经运行的任务会完成。使用该凭据的数据集随后会显示 AI 功能已关闭，并提供返回这些设置的链接；每项不可用功能也会说明原因。手动标注、共享和本地训练仍可正常使用；你已创建的标签、模型和搜索结果都会保留。

你需要拥有工作区管理员或所有者角色才能更改此开关。你也可以使用 REST API进行设置，并使用 GET /api/integrations/buckets 返回的集成 ID：

curl -X PATCH \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"processing": false}' \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

图像生成#

只要 AI 功能已开启，生成相似图像就可用于 Azure Blob Storage 数据集。你添加的图像会写入数据集文件夹中的 generated/ 文件夹，然后像其他已建立索引的图像一样添加到数据集中。Platform 只会在那里创建新的 Blob，绝不会覆盖或删除现有 Blob。如果操作提示需要写入权限，请在 Settings > Integrations 中使用同一存储帐户重新连接。

从 Blob 容器创建数据集#

1. 点击 New Dataset，然后打开 Cloud 选项卡。
2. 选择一个已连接的容器，然后浏览到包含数据的文件夹。
3. 确认文件夹，调整数据集名称，然后创建数据集。

Platform 会列出该文件夹一次，并为找到的内容创建索引：

• 图像 — .jpg、.jpeg、.png、.webp 和 .avif Blob 会通过有界请求读取尺寸并进行索引。Platform 不会持久保存源图像的第二份副本。
• 标签 — YOLO .txt 旁路文件会被解析为 Platform 标注，并按照标准的 images/ → labels/ 目录结构进行匹配，也可以作为同一文件夹中的同级文件匹配。
• 元数据 — YAML 文件会提供类别名称和姿态关键点形状，与压缩包上传的处理方式完全相同。如果文件夹中有多个文件，则优先使用 data.yaml 和 data.yml。
• 任务 — 系统会根据一组标签文件判断任务，因此即使你在对话框中选择了其他任务，也能根据标签形状识别分割、姿态和 OBB 文件夹。
• 数据集划分 — Blob 路径中的 train、val 和 test 文件夹名称会自动分配数据集划分。

此数据集之后的使用方式与其他数据集相同：浏览并标注，将其设为公开或私有，与团队共享，并通过托管训练进行训练。原始文件会按需流式传输，已编入索引的图像不会占用 Platform 的存储配额。

导入失败#

如果导入失败（例如文件夹为空、路径拼写错误或权限被撤销），数据集页面会显示错误。编辑者可以点击 重试导入，使用已存储的容器和文件夹重新开始导入；也可以创建一个指向正确路径的新数据集。

重试时会重新列出文件夹，而不是从中断处继续：首次尝试后新增的 Blob 会被纳入，不再存在的 Blob 则会从数据集中移除。

训练#

开启 AI 功能后，你可以通过常规训练流程进行托管训练。训练会在运行期间使用 Platform 自己保存的已固定图像副本，你的 Azure 凭据绝不会暴露给训练工作负载。关闭 AI 功能后，训练对话框会说明云端训练不可用的原因，并提供本地训练选项。

断开连接#

断开连接会删除已存储的连接字符串，但不会触及 Azure 中的任何内容。基于这些容器构建的数据集会保留在你的工作区中，其中的类别、标签和标注也会保留；但在重新连接同一个存储账户之前，无法加载、预览或训练其中的图像。断开连接期间，你仍可重命名数据集、编辑标签或删除数据集。

如需断开连接，请前往 Settings > Integrations，选择 Azure Blob Storage，点击凭据旁边的 Disconnect，然后确认。之后打开相关数据集时，会显示 Azure Blob Storage Disconnected，并提供返回这些设置的链接；重新连接后，数据集会自动恢复。

你也可以使用 REST API 断开连接，并使用 GET /api/integrations/buckets 返回的集成 ID：

curl -X DELETE \
  -H "Authorization: Bearer YOUR_API_KEY" \
  https://platform.ultralytics.com/api/integrations/buckets/INTEGRATION_ID

from ultralytics_platform import Platform

client = Platform()  # reads ULTRALYTICS_API_KEY
integrations = client.storage_integrations.list()
client.storage_integrations.delete("INTEGRATION_ID")

如果要直接在源端撤销访问权限，请在 Azure 中轮换存储账户访问密钥。

当前限制#

由 Azure 提供支持的数据集不支持需要 Platform 持有图像副本的功能：克隆数据集、不可变的版本快照、人脸模糊处理，以及从其他数据集粘贴图像。智能标注、自动标注、相似图像搜索、聚类、云端训练和图像生成均需要开启 AI 功能。

删除由 Azure 支持的数据集或其中的单张图片，只会移除 Platform 中的引用，不会触及你的 blob。

另请参阅 Google Cloud Storage 和 Amazon S3 集成。

常见问题#