우주 위성 목표 탐지는 궤도 내 우주선 자율 서비스, 우주 상황 인식 등 국가 주요 우주 프로젝트의 핵심 지원 기술로, 우주 임무의 수행 안전성과 신뢰도를 직접 결정합니다. 약한 텍스처, 비대칭 목표, 다중 스케일 분포 및 복잡한 조명 간섭 등 우주 위성 목표 탐지에 존재하는 문제점을 해결하기 위해 기존 방안은 탐지 정확도 부족과 배경 간섭 억제 능력 부족 등의 문제를 가지고 있습니다. 본 논문은 YOLOv11n을 기반으로 세 가지 주요 개선 모듈을 설계하여 Sat-YOLO를 구축합니다. 첫째, 전통적인 다운샘플링 컨볼루션을 대체하는 이동 풍차 컨볼루션 SPConv를 도입하여 비대칭 위성 목표 특징 포착과 희소 특징 집합을 강화합니다. 둘째, YOLOv11 순수 C3K2 모듈에 ASTSA 주의 메커니즘을 통합하여 C3K2_ASTSA 특징 강화 탐지 헤드를 제안하고, 우주 배경 노이즈를 억제하며 목표 특징 판별력을 향상시켰습니다. 마지막으로 다중 스케일 대핵 분해 주의 MLKDA 모듈을 설계하여 전 스케일 목표 특징 커버리지를 구현하고 탐지 정확도를 향상시켰습니다. 동시에, 궤도 내 우주선 시뮬레이션 관측 시스템을 구축하고, 복잡한 조명 환경에서 위성, 태양전지판, 불규칙 구형 안테나 등 세 종류의 목표를 포함하는 8,000개의 샘플로 구성된 우주 위성 전용 데이터셋을 구축했습니다. 소거 실험, 비교 실험 및 교차 데이터셋 검증을 통해 탐지 알고리즘 성능을 체계적으로 평가했습니다. 실험 결과, 자체 구축 우주 위성 데이터셋에서 Sat-YOLO는 88.4%의 정밀도, 85.5%의 재현율, mAP@0.5에서 93.7%, mAP@0.5∶0.95에서 57.8%를 달성했으며, 기본 YOLOv11n 대비 각각 3.7%, 1.3%, 3.2%, 2.9% 향상되었습니다. ExDark 저조명 데이터셋에서는 종합 성능이 RT-DETR-l, YOLO 시리즈, MHSA-YOLOv5s, YKSB 등 주요 대조 방안을 능가했습니다. 본 논문에서 제안한 Sat-YOLO는 우주 위성 목표 탐지의 핵심 문제를 효과적으로 완화하여 탐지 정확도를 크게 향상시켰으며, 뛰어난 환경 적응력과 장면 간 일반화 능력을 갖추어 복잡한 우주 환경에서 위성 목표 탐지를 위한 신뢰할 수 있는 기술 지원을 제공합니다.

우주 위성; 대상 탐지; 주의 메커니즘; 다중 스케일 특징; 우주선 인식