Python和PLC通讯效果较好。Python语言具有良好的网络通信能力，可以通过自定义TCP或UDP协议，完成与PLC的通信。同时，Python支持的库和工具较为丰富，例如socket、pyserial等，可实现多种通信方式，满足不同场景的需求。
PLC的协议较多，需要通过一些通用的库或驱动进行解析和封装，但是，Python能够通过这些库和驱动支持多种PLC品牌的通讯，实现数据的读取和控制。总的来说，Python和PLC通讯效果较好，可满足工业自动化和智能制造中的数据互通和控制需求。
以下是使用Python和YOLO结合的一些步骤：
1. 安装YOLO算法库：YOLO算法库有多个版本，可以根据需求选择合适的版本。安装YOLO时需要下载相应的权重文件以及配置文件。
2. 加载YOLO模型：在Python中加载YOLO模型，可以使用Keras、TensorFlow或PyTorch等深度学习框架。在加载模型时，需要指定权重文件和配置文件的路径。
3. 加载图像或视频：使用Python的OpenCV库加载图像或视频。
4. 目标检测：使用加载的YOLO模型对图像或视频进行目标检测。可以通过调整YOLO算法的参数来优化检测结果。
5. 显示结果：将检测结果显示在图像或视频上，可以使用OpenCV库中的函数实现。
需要注意的是，YOLO算法需要较高的计算资源和时间，因此在使用时需要考虑计算资源和算法效率。