نظرًا لحجم نموذج كشف الأهداف المتعددة الطيف الخفيف والحمامات الشمسية المتكاملة وكفاءته المنخفضة وصعوبة نشره على أجهزة مضمنة ، تم تقديم نموذج كشف الأهداف المتعددة الطيف الخفيف والحمامات الشمسية المتكاملة YOLOv8n-MFLW على أساس YOLOv8n-MF. أولاً ، تم استبدال الشبكة الصغيرة HGNetv2 بشبكة خفيفة الوزن HGNetv2 كبديل للشبكة الرئيسية ، بناءً على GSConv Convolution إعادة بناء HGBlock ووحدة C2f ، مما يقلل من حجم نموذج المعلمات وفي نفس الوقت يحافظ على قدرة استخراج السمات ودمج النموذج. ثم تم تقديم خوارزمية تشذيب الهيكل الهيكلي الرقيقة La-Depgraph لتقليص النموذج بشكل أكبر ، وأخيرًا ، تم استخدام استراتيجية تعلم تقطير المعرفة الساخنة لمعلومات السمات المتوسطة لاستعادة الخسارة في الدقة نتيجة للتشذيب وزيادة أداء الكشف للنموذج. تظهر نتائج التجارب أن دقة نموذج كشف الأهداف المتعددة الطيف الخفيف والحمامات الشمسية المتكاملة الخفيفة المحسنة يمكن أن تصل إلى 96.4٪ مقارنة بالنموذج الأصلي ، وزيادة 1.2٪ ، وحجم معلمات النموذج وحسابه وذاكرته الواصلة إلى 0.9 ميجابايت، 3.5 جيجافلوبس و 2.3 ميجا بايت ، بانخفاض بنسبة 88.1٪ ، 81.2٪ و 82.8٪ على التوالي. لذلك ، يعتبر هذا النموذج المقترح دقيقًا ، صغير الحجم ، ويتمتع بأداء كشف أفضل ، ويمكنه أداء مهمة كشف الأهداف في البيئات المعقدة بشكل أفضل.

سفينة الحرب الحربية ؛ كشف الأهداف متعددة الطيف ؛ تخفيف الوزن ؛ تشذيب النموذج ؛ تقطير المعرفة