基于YOLOv8的气泡检测算法

项目简介

本项目的主要目标是进行液体中气泡的检测，项目所应用的检测模型是使用包含约一万张水体气泡图像的数据集对YOLOv8n进行训练得到的。
本项目的GUI可选择图片或视频文件作为输入，并集成了多项检测结果的显示，包括气泡二维面积占比、气泡数量等，下图为示例：

项目内容

1. 采集气泡图像，同时使用BubGan算法生成小气泡以提升算法健壮性，随后进行标注。
2. 构建、划分并优化气泡数据集。根据数据集特点，对比多种模型并选择YOLOv8为基准。
3. 探究YOLOv8网络架构，并设计训练实验，通过迭代优化确定最佳的训练参数组合。
4. 进行模型的训练，使用阿里云PAI-DSW 人工智能云计算平台进行模型训练。
5. 对训练所得模型进行评估与筛选，最终产出模型mAP50 达到了0.990，mAP50-95达到0.885，与YOLO往代算法相比，气泡检测准确率较高。
6. 进行模型部署，开发了图形化用户界面(GUI)，同时也通过UltralyticsHub实现了移动端部署，在搭载高通骁龙870芯片的移动端测试设备上，气泡检测的平均帧率达到了28 fps。

如何获取

本项目的产出模型及GUI已上传至GitHub。
项目链接：https://github.com/Le-0x7E/Bubble-Detector

注意事项

• ultralytics遵循AGPL-3.0，如需商业用途，需要取得其license。
• 如需使用自己训练的YOLOv8模型，需要将.pt模型文件放入./models文件夹中。
• 可保存检测结果，保存路径为./run。