基于轻量级YOLO双路径优化的极地环境目标检测与智能识别系统研究 姜俊，郭家伟

《Remote Sensing》：Research on Polar Environment Target Detection and Intelligent Recognition System Based on Lightweight YOLO Dual-Path Optimization Jun Jian and Jiawei Guo

　　

摘要

随着北极海冰的融化以及航行窗口的延长，极地导航在商业和战略上变得越来越重要，但同时也面临着诸如强反射、目标纹理相似度高以及障碍物规模变化大等挑战。鉴于极地专用数据集的稀缺、通用算法的适应性较差以及识别与导航决策之间的脱节，本研究构建了一个集“数据集构建–算法优化–系统开发”于一体的技术体系。通过网页爬取、视频帧提取和数据增强，本研究开发了一个包含1342张图片的专用于极地的数据集（涵盖漂浮冰、冰山、冰通道和船只）。该系统提出了一种针对轻量级YOLO模型的双路径优化方案：YUV + CLAHE模块用于抑制强反射，IceTextureAttention模块提高了相似目标的区分度，而SCConv模块则提升了计算效率。此外，还开发了一个嵌入了基于极地代码的风险评估模块的视觉智能系统，能够输出三级风险等级和导航建议。实验结果表明，优化的YOLOv8n + YUV + CLAHE模型在mAP@0.5方面取得了0.858的指标，召回率为0.821。该系统可在船载设备上稳定运行，平均图像处理延迟为85毫秒，实际检测准确率为84.3%，有效减轻了船员的工作负担，并提高了极地导航的安全性。