لمعالجة مشكلة عدم كفاية دقة كشف الأهداف للطائرات في صور الاستشعار البصري بسبب الخلفية المعقدة، وصغر حجم الطائرة المستهدفة، والتشابه الظاهري بين الطائرات، يقترح هذا البحث خوارزمية كشف طائرات في صور الاستشعار البصري تستند إلى نموذج YOLOv8n، مع دمج المعلومات العالمية وآلية الانتباه ذات النطاق المزدوج. أولاً، تم تصميم وحدة SPPF_Global التي توفر نظرة عامة على الميزات العالمية من خلال طبقة التجميع الأعظمي العالمية، مما يساعد النموذج على التفريق بشكل أفضل بين الهدف والخلفية في بيئات معقدة؛ ثانياً، تم اقتراح آلية الانتباه ذات النطاق المزدوج التي توجه المعلومات من النطاق المكاني والقنوي، مما يزيد من تركيز النموذج على المناطق المهمة مثل شكل الأجنحة، ويعزز القدرة على التمييز بين الفروق الدقيقة بين أنواع الطائرات المختلفة؛ أخيراً، تم تحسين وحدة خفض العينة عن طريق مسارات متوازية وإدخال دالة خسارة Powerful-IoU، من خلال عامل العقوبة التكيفية لتسريع تقارب النموذج، وتحسين قدرة التعرف على الطائرات الصغيرة وكفاءة انحدار إطارات التوقع. أظهرت النتائج التجريبية أن النموذج المحسن، مقارنة بـ YOLOv8n الأصلي، زاد الدقة ومعدل الاستدعاء وmAP50 وmAP50-95 على مجموعة البيانات MAR20 بنسبة 3.3%، 2.6%، 3.2%، و2.6% على التوالي، وعلى مجموعة بيانات NWPU VHR-10 بنسبة 5%، 5.1%، 2.5%، و0.3% على التوالي؛ وفي الوقت نفسه، انخفض عدد المعاملات وكمية الحسابات بنسبة 6.6% و3.7% على التوالي. يثبت ذلك فعالية وتفوق النموذج المقترح، مما يعزز القيمة التطبيقية لخوارزميات كشف الطائرات في صور الاستشعار البصري.

صور الاستشعار البصري; كشف طائرات; YOLOv8; آلية الانتباه; Powerful-IoU