本发明适用于深度学习与目标检测技术领域，涉及一种基于风格迁移的透明液体感知方法，包括：S10、获取源域数据样本与目标域数据样本，构建两种不同风格的液体数据集；S20、构建轻量级风格迁移网络模型；S30、将步骤S10获取的数据在轻量级风格迁移网络模型上进行迭代训练，获得最优风格迁移网络模型；S40、利用最优风格迁移网络模型进行液体图像风格转换；S50、构建基于YOLOv5s的液体检测网络模型；S60、将步骤S40获取的液体图像风格转换数据在液体检测模型上进行迭代训练，获得最优液体检测网络模型；S70、将转换后的液体图像风格数据输入最优液体检测网络模型，得到液体检测结果。本发明过程简单、操作方便，通过风格迁移技术可对透明液体实现精准感知。