Para resolver os problemas de grande volume, baixa eficiência e dificuldade de implantação do modelo de detecção de alvos navais por fusão multispectral infravermelha em dispositivos embarcados, este artigo propõe um modelo leve de detecção de alvos navais por fusão multispectral infravermelha YOLOv8n-MFLW baseado no YOLOv8n-MF. Primeiro, uma rede leve HGNetv2 é introduzida para substituir a rede principal, reconstruindo o bloco HGBlock e o módulo C2f com base na convolução GSConv, reduzindo o número de parâmetros do modelo enquanto mantém a capacidade de extração e fusão de características; um algoritmo adaptativo de poda estruturada esparsa La-Depgraph é proposto para aparar ainda mais o modelo, reduzindo significativamente o número de parâmetros; finalmente, é adotada uma estratégia de aprendizado por destilação de conhecimento de características intermediárias para recuperar a perda de precisão causada pela poda e melhorar o desempenho de detecção do modelo. Os resultados experimentais mostram que, em comparação com o modelo original, o modelo leve melhorado de fusão multispectral infravermelha para detecção de alvos navais pode atingir uma precisão de detecção de 96,4%, com um aumento de 1,2%, e parâmetros do modelo, cálculo e uso de memória de apenas 0,9 MB, 3,5 GFlops e 2,3 MB, respectivamente, reduzindo em 88,1%, 81,2% e 82,8%. Portanto, o modelo proposto tem um volume pequeno, alta precisão, melhor desempenho de detecção e pode lidar com tarefas de detecção de alvos navais em ambientes complexos.

infravermelho naval; detecção multispectral de alvos; leveza; poda de modelos; destilação de conhecimento