《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 模擬設(shè)計(jì) > 設(shè)計(jì)應(yīng)用 > 基于YOLOv11改進(jìn)的海上小目標(biāo)多光譜特征檢測(cè)方法
基于YOLOv11改進(jìn)的海上小目標(biāo)多光譜特征檢測(cè)方法
電子技術(shù)應(yīng)用
孫擴(kuò)，楊航，方思茁，張翔宇
海軍航空大學(xué) 青島校區(qū)
摘要： 針對(duì)海上環(huán)境復(fù)雜多變，霧霾、強(qiáng)光反射、夜間低照度條件以及海上小目標(biāo)成像特征信息非常有限等問(wèn)題，提出一種基于YOLOv11改進(jìn)的海上多光譜特征小目標(biāo)檢測(cè)方法。通過(guò)雙分支YOLOv11模型的設(shè)計(jì)處理跨模態(tài)數(shù)據(jù)特征融合，并引入全局注意力機(jī)制模塊訓(xùn)練，使改進(jìn)的多光譜圖像小目標(biāo)檢測(cè)模型可以充分利用多光譜特征，實(shí)現(xiàn)了對(duì)多光譜圖像中的小目標(biāo)物體正確檢測(cè)和定位，尤其在無(wú)人機(jī)航空拍攝視角下表現(xiàn)優(yōu)異，這種跨模態(tài)融合的方法可顯著提升海上小目標(biāo)檢測(cè)的魯棒性和準(zhǔn)確性。實(shí)驗(yàn)表明，改進(jìn)模型在VTSaR 數(shù)據(jù)集上mAP@50指標(biāo)能夠達(dá)到 96.5%，較 YOLOv11n 提升 0.4%，可為海上航空無(wú)人搜救小目標(biāo)檢測(cè)提供新的解決思路。
中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.257150
中文引用格式： 孫擴(kuò)，楊航，方思茁，等. 基于YOLOv11改進(jìn)的海上小目標(biāo)多光譜特征檢測(cè)方法[J]. 電子技術(shù)應(yīng)用，2025，51(12)：20-26.
英文引用格式： Sun Kuo，Yang Hang，F(xiàn)ang Sizhuo，et al. Research on a multi-spectral feature-based small target detection method for the sea based on improved YOLOv11[J]. Application of Electronic Technique，2025，51(12)：20-26.
Research on a multi-spectral feature-based small target detection method for the sea based on improved YOLOv11
Sun Kuo，Yang Hang，F(xiàn)ang Sizhuo，Zhang Xiangyu
The Naval Aviation University Qingdao Campus
Abstract： In response to the complex and changeable marine environment, such as fog, strong light reflection, low illumination at night, and the limited characteristic information of small targets at sea, a small target detection method based on YOLOv11 for marine multispectral features is proposed. By designing a dual-branch YOLOv11 model to handle the fusion of cross-modal data features and introducing a global attention mechanism module for training, the improved multispectral image small target detection model can fully utilize the multispectral features, achieving accurate detection and positioning of small target objects in multispectral images, especially performing well from the perspective of unmanned aerial vehicle (UAV) aerial photography. This cross-modal fusion method can significantly enhance the robustness and accuracy of small target detection at sea. Experiments show that the improved model can achieve an mAP@50 of 96.5% on the VTSaR dataset, an increase of 0.4% compared to YOLOv11n, providing a new solution for the detection of small targets in marine aerial unmanned search and rescue.
Key words : YOLOv11；object detection；multispectral characteristics；deep learning

引言

無(wú)人機(jī)具備機(jī)動(dòng)性強(qiáng)、部署快速、成本低等優(yōu)點(diǎn)，在海上救援領(lǐng)域，特別是在搜索與定位小目標(biāo)（如遇險(xiǎn)船只、落水人員等）方面，展現(xiàn)出巨大的潛力[1-2]。傳統(tǒng)的基于可見光成像的目標(biāo)檢測(cè)方法在海上小目標(biāo)檢測(cè)等實(shí)際應(yīng)用中面臨諸多挑戰(zhàn)，包括海洋環(huán)境復(fù)雜多變，霧霾、強(qiáng)光反射、夜間低照度等條件嚴(yán)重影響成像質(zhì)量，同時(shí)小型目標(biāo)在遠(yuǎn)距離成像時(shí)往往僅占數(shù)個(gè)像素，特征信息非常有限。這些因素使得傳統(tǒng)的檢測(cè)方法的準(zhǔn)確率和魯棒性難以滿足實(shí)際需求。

而多光譜成像技術(shù)為解決上述問(wèn)題提供了新的思路，有望顯著提升海上小目標(biāo)檢測(cè)的魯棒性和準(zhǔn)確性[3]。

多光譜成像技術(shù)已在遙感、農(nóng)業(yè)、軍事等領(lǐng)域廣泛應(yīng)用，但在海上小目標(biāo)檢測(cè)中的研究相對(duì)較少[4]。美國(guó)海軍研究實(shí)驗(yàn)室開發(fā)的MSI-Net[5]證明了軍事應(yīng)用中多光譜特征在復(fù)雜背景目標(biāo)識(shí)別中的獨(dú)特優(yōu)勢(shì)。歐洲海事安全局主導(dǎo)的MultiSpect項(xiàng)目[6]系統(tǒng)評(píng)估了多光譜成像在海上監(jiān)視中的應(yīng)用潛力，其研究結(jié)果顯示，結(jié)合可見光和紅外波段可將小型漂浮物的檢測(cè)距離延長(zhǎng)30%。國(guó)內(nèi)也已經(jīng)有研究開始探討如何通過(guò)數(shù)據(jù)融合技術(shù)整合多種傳感器數(shù)據(jù)，提升目標(biāo)檢測(cè)的準(zhǔn)確性與可靠性[7]。但多光譜數(shù)據(jù)的綜合利用仍存在優(yōu)化空間。哈爾濱工程大學(xué)團(tuán)隊(duì)提出的雙流特征融合網(wǎng)絡(luò)[8]，在多光譜船舶檢測(cè)任務(wù)中取得了突破性進(jìn)展，但其模型參數(shù)量較大。

YOLO（You Only Look Once：統(tǒng)一實(shí)時(shí)目標(biāo)檢測(cè)）算法系列是由Joseph Redmon、Ali Farhadi等人于2015年提出的單階段目標(biāo)檢測(cè)網(wǎng)絡(luò)[3,9]。YOLOv11算法[10]更具輕量化特性，適用于硬件條件受限的應(yīng)用場(chǎng)景，未來(lái)可移植至嵌入式平臺(tái)并搭載于無(wú)人機(jī)等移動(dòng)平臺(tái)，為實(shí)現(xiàn)海上實(shí)時(shí)檢測(cè)和搜救創(chuàng)造有利條件[11]。

針對(duì)以上有關(guān)海上小目標(biāo)檢測(cè)的問(wèn)題及現(xiàn)狀，本研究提出一種基于YOLOv11模型改進(jìn)的海上多光譜特征小目標(biāo)檢測(cè)模型，一是設(shè)計(jì)雙分支YOLOv11主干網(wǎng)絡(luò)解決多光譜特征跨模態(tài)數(shù)據(jù)模型訓(xùn)練的問(wèn)題，二是在模型中引入全局注意力機(jī)制模塊，提升訓(xùn)練模型檢測(cè)小目標(biāo)的主要性能指標(biāo)。


本文詳細(xì)內(nèi)容請(qǐng)下載：

http://ihrv.cn/resource/share/2000006871


作者信息：

孫擴(kuò)，楊航，方思茁，張翔宇

（海軍航空大學(xué) 青島校區(qū)，山東 青島 266041）


subscribe.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。