一种基于I-YOLOF的透明容器液体含量检测方法技术

本发明专利技术公开了一种基于I

【技术实现步骤摘要】
一种基于I
‑
YOLOF的透明容器液体含量检测方法


[0001]本专利技术涉及透明容器检测领域，尤其涉及一种基于I
‑
YOLOF的透明容器液体含量检测方法。

技术介绍

[0002]在我们的日常生活中包含着各种各样具有液态的物质, 例如饮用水、各种燃料、药品和化学品等，它们在我们的日常生活中扮演着非常重要的角色。透明容器液体含量检测在我们的现实生活中具体非常广泛的应用场景，如服务机器人, 浇注机器人和工业观测系统等。
[0003]传统的透明容器检测方法利用透明物体吸收特定波长的光的原理，使用红外发射器和强度传感器去识别透明容器；或者利用光探测和测距数据精确分割透明物体。这些方法可以成功地识别出透明容器目标，但检测流程繁琐，性能有限，难以满足透明容器检测在实际应用场景下的需求。
[0004]随着卷积神经网络(Convolutional Neural Networks，CNN)的快速发展，基于深度学习的算法以其优异的性能迅速取代了传统方法的透明容器等物体的检测。与传统的目标检测算法相比，基于卷积神经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于I
‑
YOLOF的透明容器液体含量检测方法, 其特征主要在于，具体包括以下步骤:S1：采集透明容器图片，按照空瓶子、少水、半水、多水和满水5种类别对图片进行标注，并将所述数据集划分为训练集和测试集；S2：构造I
‑
YOLOF网络模型；S3：使用S1所述训练集对S2所述的I
‑
YOLOF网络模型进行训练，获得透明容器液体含量检测模型；S4：使用S3所训练好的I
‑
YOLOF网络模型，在测试集中进行透明容器检测测试，并预测其液体含量类别。2.根据权利要求1所述的基于I
‑
YOLOF的透明容器液体含量检测方法，其特征在于，所述步骤S2中的I
‑
YOLOF网络模型的主要特征在于：S2.1: I
‑
YOLOF网络模型是YOLOF的变体，与YOLOF一样，依次包括主干网络、编码器和解码器三个部分；S2.2: I
‑
YOLOF网络模型的主干网络使用ResNet50进行特征提取，输出特征图C5，具有2048个通道数，下采样率为32；S2.3: I
‑
YOLOF网络模型...

【专利技术属性】
技术研发人员：叶恒舟，吴佑，李水旺，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：