A refração e dispersão da luz na água, juntamente com a iluminação desigual, causam desfoque na textura do alvo. Os organismos aquáticos são frequentemente pequenos alvos densamente camuflados, e as plataformas subaquáticas com recursos limitados têm restrições quanto à leveza e ao tempo real, o que aumenta a dificuldade da detecção subaquática de alvos. Para isso, este artigo propõe um modelo aprimorado YOLOv8n que combina atenção automática de cabeça única e fusão de domínio de frequência-espaço, denominado YOLOv8n-SD. Primeiro, foi projetada uma rede principal aprimorada com fusão de características locais e globais, por meio de um mecanismo de atenção automática de cabeça única com divisão dinâmica da proporção de canais, extraindo eficientemente informações globais de longo alcance em partes dos canais; além disso, integrando as informações locais extraídas por blocos eficientes de extração de características, realiza-se o reforço complementar das características locais e globais. Em seguida, foi construída uma rede de pescoço eficiente de fusão de domínio de frequência-espaço, projetando um módulo de downsampling baseado na transformação wavelet de Haar e na transformação espaço-para-profundidade, que funde informações importantes de alta frequência e espaciais em características rasas de alta resolução; simultaneamente, é adotada uma estratégia rápida de ponderação normalizada para otimizar dinamicamente a eficiência da fusão de características multiescala. Nos conjuntos de dados públicos subaquáticos URPC2020 e RUOD, os indicadores mAP_0.5∶0.95 e mAP₅₀ do YOLOv8n-SD alcançaram 51,2%, 85,7% e 50,6%, 85,0%, respectivamente. Ao mesmo tempo, o número de parâmetros do modelo base foi reduzido em 42,3% e a carga computacional diminuiu em 17,2%. Experimentos comparativos confirmaram ainda que o modelo proposto apresenta boa precisão de detecção e robustez em diversos cenários subaquáticos complexos.

detecção subaquática de alvos;mecanismo de atenção automática;transformação wavelet de Haar;detecção de alvos pequenos