中文引用格式： 孫擴，楊航，方思茁，等. 基于YOLOv11改進的海上小目標(biāo)多光譜特征檢測方法[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.
引言
無人機具備機動性強、部署快速、成本低等優(yōu)點，在海上救援領(lǐng)域，特別是在搜索與定位小目標(biāo)（如遇險船只、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)檢測方法在海上小目標(biāo)檢測等實際應(yīng)用中面臨諸多挑戰(zhàn)，包括海洋環(huán)境復(fù)雜多變，霧霾、強光反射、夜間低照度等條件嚴(yán)重影響成像質(zhì)量，同時小型目標(biāo)在遠(yuǎn)距離成像時往往僅占數(shù)個像素，特征信息非常有限。這些因素使得傳統(tǒng)的檢測方法的準(zhǔn)確率和魯棒性難以滿足實際需求。
而多光譜成像技術(shù)為解決上述問題提供了新的思路，有望顯著提升海上小目標(biāo)檢測的魯棒性和準(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)檢測中的研究相對較少[4]。美國海軍研究實驗室開發(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)識別中的獨特優(yōu)勢。歐洲海事安全局主導(dǎo)的MultiSpect項目[6]系統(tǒng)評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距離延長30%。國內(nèi)也已經(jīng)有研究開始探討如何通過數(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)團隊提出的雙流特征融合網(wǎng)絡(luò)[8]，在多光譜船舶檢測任務(wù)中取得了突破性進展，但其模型參數(shù)量較大。
YOLO（You Only Look Once：統(tǒng)一實時目標(biāo)檢測）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)用場景，未來可移植至嵌入式平臺并搭載于無人機等移動平臺，為實現(xiàn)海上實時檢測和搜救創(chuàng)造有利條件[11]。
針對以上有關(guān)海上小目標(biāo)檢測的問題及現(xiàn)狀，本研究提出一種基于YOLOv11模型改進的海上多光譜特征小目標(biāo)檢測模型，一是設(shè)計雙分支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)練的問題，二是在模型中引入全局注意力機制模塊，提升訓(xùn)練模型檢測小目標(biāo)的主要性能指標(biāo)。
本文詳細(xì)內(nèi)容請下載：
http://www.tom3567.com/resource/share/2000006871
作者信息：
孫擴，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）
