仪器仪表学报

作者：冯 哲，王 彬，黄鹏程，熊 新，金怀平

单位：冯 哲,1. 昆明理工大学信息工程与自动化学院，2. 昆明理工大学人工智能产业学院,,王 彬,1. 昆明理工大学信息工程与自动化学院，2. 昆明理工大学人工智能产业学院，3. 昆明理工大学云南省人工智能重点实验室,,黄鹏程,1. 昆明理工大学信息工程与自动化学院，2. 昆明理工大学人工智能产业学院,,熊 新,1. 昆明理工大学信息工程与自动化学院，2. 昆明理工大学人工智能产业学院，3. 昆明理工大学云南省人工智能重点实验室,,金怀平,1. 昆明理工大学信息工程与自动化学院，2. 昆明理工大学人工智能产业学院，3. 昆明理工大学云南省人工智能重点实验室,

关键词：小天体表面岩石检测;深度学习;多头自注意力机制;小目标检测;多尺度特征融合

基金：民用航天预研项目空间碎片专项(KJSP2020020302)资助

针对暗弱环境下小天体表面岩石轮廓特征不明显及岩石尺寸小而造成的难检测问题,提出了一种小天体表面着陆区岩石目标检测方法及模型。将多头自注意力机制融入YOLOv8x框架,用于提高模型获取图片全局视野的能力,增强模型对深空环境中不同光照条件下岩石特征的自适应性;在此基础上增加小目标检测层,用于提升模型对小尺寸岩石的关注度,增强模型对不同尺寸岩石的自适应性。对比实验结果表明,方法相较于改进前算法,岩石检测准确率、召回率和平均检测精度分别提升了6.4%、3%、5%,与其他主流目标检测算法相比,指标也得到明显提升。该方法为暗弱环境下小天体表面着陆区岩石的自主识别提供了理论和技术基础。

来源：2024年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第4期