摘要：很多开发者在将 YOLO 模型从 Python 迁移到 C# 时，会遇到这种“灵异事件”：Python 测得准准的，C# 一跑全是乱码或检测不到。置信度全是 0.01，或者框的位置飘到了十万八千里外。换个图片能检测到，换个背景就全错。真相是：模型本身没问题，问题出在“数据翻译”环节。YOLO 对输入数据的格式（RGB/BGR、归一化、维度顺序）和输出数据的解码（锚点、网格、坐标还原）有着极其严苛的要求。C# 与 Python (OpenCV/Numpy) 在内存布局和图像处理习惯上存在巨大差异。本文深度解析 C# 部署 YOLO 的“生死线”：预处理陷阱：BGR vs RGB、NHWC vs NCHW、归一化系数、Padding 策略。后处理黑洞：YOLOv5/v8 的输出结构差异、坐标还原公式、NMS 实现细节。调试神器：如何导出中间数据与 Python 比对，快速定位偏差来源。标准代码库：提供经过验证的 C# 预处理/后处理通用模板，直接复制可用。