宇宙衛星目標検出は、軌道上宇宙船の自律サービスや宇宙状況感知など国家の重要な宇宙プロジェクトの中核支援技術であり、宇宙ミッションの遂行安全性と信頼性を直接決定します。宇宙衛星目標検出に存在する弱いテクスチャ、目標の非対称性、多尺度分布および複雑な光照射干渉などの課題に対し、既存の手法は検出精度不足や背景干渉抑制能力の弱さといった問題を抱えています。本論文はYOLOv11nを基礎として、3つの主要な改良モジュールを設計しSat-YOLOを構築しました。まず、従来のダウンサンプリング畳み込みに代わり、移動風車畳み込みSPConvを導入し、非対称衛星目標特徴の捕捉と疎な特徴の集約を強化しました。次に、YOLOv11純正C3K2モジュールにASTSA注意機構を統合し、C3K2_ASTSA特徴強化検出ヘッドを提案、宇宙背景ノイズを抑制し目標特徴の識別性を向上させました。最後に、多尺度大核分解注意MLKDAモジュールを設計し、全スケールの目標特徴をカバーし検出精度を向上させました。同時に、軌道上宇宙船の模擬観測システムを構築し、複雑な光照環境下で衛星、太陽電池パネル、不規則球面アンテナの3種類の目標を含む8,000枚のサンプルからなる宇宙衛星専用データセットを構築しました。アブレーション実験、比較実験およびクロスデータセット検証を通じて、検出アルゴリズムの性能を体系的に評価しました。実験結果は、自身で構築した宇宙衛星データセット上で、Sat-YOLOが精度88.4％、再現率85.5％、mAP@0.5が93.7％、mAP@0.5∶0.95が57.8％に達し、基準となるYOLOv11nと比べてそれぞれ3.7％、1.3％、3.2％、2.9％向上したことを示しています。ExDarkの暗所データセットでは、総合性能がRT-DETR-l、YOLOシリーズ、MHSA-YOLOv5s、YKSBなどの主流比較手法を上回りました。本論文で提案したSat-YOLOは、宇宙衛星目標検出の核心課題を効果的に緩和し、検出精度を著しく向上させ、優れた環境適応性とクロスシーン汎化能力を備え、複雑な宇宙環境下での衛星目標検出に信頼できる技術支援を提供します。

宇宙衛星; 目標検出; 注意機構; 多尺度特徴; 宇宙船認識