摘要
本文详细介绍了一个基于YOLOv12的家务机器人目标检测系统，专注于杯子(cup)和盘子(plate)的识别。系统采用HomebrewedDB数据集，结合改进的YOLOv12算法，并实现了用户友好的UI界面。文章包含完整的技术实现细节、代码解析、数据集处理方法和性能评估。本系统可广泛应用于家庭服务机器人、智能厨房等场景，为实现自动化家务提供了可靠的视觉感知解决方案。
关键词：目标检测、YOLOv12、家务机器人、深度学习、杯子检测、盘子检测
1. 引言
随着人工智能技术的快速发展，家务机器人正逐渐进入普通家庭生活。在这些机器人系统中，准确识别常见家居物品是实现自动化家务的基础能力。其中，杯子和盘子作为厨房和餐厅中最常见的物品，其可靠检测对机器人执行倒水、收拾餐具等任务至关重要。
传统计算机视觉方法在复杂家庭环境中表现不佳，而深度学习技术，特别是基于卷积神经网络的目标检测算法，为解决这一问题提供了新思路。YOLO(You Only Look Once)系列算法以其出色的速度和精度平衡，成为实时目标检测的首选方案。
本文提出的系统基于最新的YOLOv12架构，针对家庭环境中的杯子和盘子检测进行了专门优化，主要贡献包括：
构建了一个基于HomebrewedDB的自定义数据集，包含多种家庭场景下的杯子和盘子图像<
