跨尺度特征融合的自适应水下目标检测算法

来源：电子测量技术杂志2025年第13期北京时间：

作者：李海龙，黄孙港，饶兴昌

单位：1.南京信息工程大学电子与信息工程学院 南京 210044;2.无锡学院江苏省集成电路可靠性技术及检测系统工程 研究中心 无锡 214105

摘要：水下目标检测常面临复杂环境干扰、检测系统不稳定以及检测精度低等问题。为此，本文提出了一种基于自适应特征提取与跨尺度特征融合策略的轻量化目标检测算法WAD-YOLOv8。首先，在主干网络中引入基于上下文信息的残差特征提取模块(CCRF)，增强模型对全局和局部信息的综合能力。其次，采用可变大核卷积注意力机制引导的轻量化模块(ADFE)，使网络在下采样阶段能够自适应调整采样特征，提高目标特征提取的精准性。最后，重构颈部网络特征融合策略，增加新的跨尺度特征融合连接，增强模型的抗干扰能力和多尺度目标检测性能。试验结果表明，WAD-YOLOv8在模型参数量和计算量均低于基准模型的情况下，检测精度提升了3.0%，平均检测精度mAP50提高了2.6%，推理速度达到64 FPS。与经典算法相比，WAD-YOLOv8在复杂水下场景中表现出更优的检测效果和更高的稳定性，为水下移动检测平台提供了一种高效、轻量化的目标检测解决方案。

关键词：水下目标检测;YOLOv8;可变大核卷积;特征金字塔;自适应

基金资助：国家青年自然科学基金(62204172)、江苏省高等学校自然科学基金(22KJB140016)资助