Die Brechung und Streuung des Lichts im Wasser sowie ungleichmäßige Beleuchtung führen zu verschwommenen Zieltexturen. Wasserlebewesen sind oft dichte, getarnte kleine Ziele, und ressourcenbeschränkte Unterwasserplattformen haben Anforderungen an Leichtbau und Echtzeitfähigkeit, was die Unterwasser-Zielerkennung erschwert. Daher schlägt dieser Artikel ein verbessertes YOLOv8n-Modell vor, das Single-Head-Selbstaufmerksamkeit und Frequenz-Raum-Fusion kombiniert: YOLOv8n-SD. Zunächst wurde ein verbessertes Backbone-Netzwerk für lokale und globale Merkmalsfusion entwickelt, das eine Single-Head-Selbstaufmerksamkeitsmechanismus mit dynamischer Kanalanteilaufteilung nutzt, um langreichweitige globale Informationen effizient aus Teilen der Kanäle zu extrahieren; es werden lokal extrahierte Details aus effizienten Merkmalsextraktionsblöcken fusioniert, um lokale und globale Merkmale komplementär zu verstärken. Zweitens wurde ein effizientes Halsnetzwerk zur Frequenz-Raum-Fusion aufgebaut, mit einem Downsampling-Modul basierend auf Haar-Wavelet-Transformation und Space-to-Depth-Transformation, das wichtige hochfrequente und räumliche Informationen aus oberflächennahen hochauflösenden Merkmalen integriert; gleichzeitig wird eine schnelle normalisierte Gewichtungsstrategie verwendet, um die Effizienz der Multiskalen-Merkmalsfusion dynamisch zu optimieren. Auf den öffentlichen Unterwasserdatensätzen URPC2020 und RUOD erreichte YOLOv8n-SD die mAP_0.5∶0.95- und mAP₅₀-Werte von jeweils 51,2 %, 85,7 % bzw. 50,6 %, 85,0 %. Gleichzeitig wurde die Anzahl der Parameter im Vergleich zum Basismodell um 42,3 % reduziert, die Rechenlast um 17,2 %. Vergleichende Experimente bestätigten weiter, dass das Modell in verschiedenen komplexen Unterwasserszenarien eine gute Erkennungsgenauigkeit und Robustheit zeigt.

Unterwasser-Zielerkennung;Selbstaufmerksamkeitsmechanismus;Haar-Wavelet-Transformation;Kleine Zielerkennung