A detecção de alvos de satélites espaciais é uma tecnologia central de suporte para grandes projetos espaciais nacionais, como o serviço autônomo de satélites em órbita e a percepção do cenário espacial, determinando diretamente a segurança e confiabilidade na execução das missões espaciais. Para os desafios existentes na detecção de alvos de satélites espaciais, como textura fraca, alvos assimétricos, distribuição em múltiplas escalas e interferência complexa de iluminação, as soluções atuais apresentam precisão de detecção insuficiente e fraca capacidade de supressão de interferência de fundo. Este artigo, baseado no YOLOv11n, projeta três módulos principais de melhoria para construir o Sat-YOLO; primeiramente, introduz a convolução SPConv com rotor móvel para substituir a convolução tradicional de downsampling, reforçando a captura de características assimétricas dos alvos de satélites e a agregação de características esparsas; em segundo lugar, integra o mecanismo de atenção ASTSA no módulo C3K2 nativo do YOLOv11, propondo uma cabeça de detecção com aprimoramento de características C3K2_ASTSA, suprimindo o ruído de fundo espacial e melhorando a discriminabilidade das características dos alvos; finalmente, projeta o módulo de atenção MLKDA com decomposição de grandes núcleos em múltiplas escalas para alcançar a cobertura de características dos alvos em todas as escalas, melhorando a precisão da detecção. Ao mesmo tempo, foi construído um sistema simulado de observação em órbita de satélites, criando um conjunto de dados dedicado a satélites espaciais com 8.000 amostras, abrangendo três tipos de alvos em cenários de iluminação complexos: satélites, painéis solares e antenas esféricas irregulares. Por meio de experimentos de ablação, experimentos comparativos e validação em múltiplos conjuntos de dados, o desempenho do algoritmo de detecção foi avaliado sistematicamente. Os resultados experimentais mostram que, no conjunto de dados espacial auto-construído, o Sat-YOLO alcança precisão de 88,4%, taxa de recuperação de 85,5%, mAP@0.5 de 93,7% e mAP@0.5∶0.95 de 57,8%, com melhorias relativas de 3,7%, 1,3%, 3,2% e 2,9%, respectivamente, em relação ao YOLOv11n base; no conjunto de dados ExDark de baixa luminosidade, o desempenho geral supera RT-DETR-l, série YOLO, MHSA-YOLOv5s, YKSB e outras soluções principais. O Sat-YOLO proposto alivia efetivamente os principais problemas da detecção de alvos de satélites espaciais, alcançando uma melhoria significativa na precisão da detecção, exibindo excelente adaptabilidade ambiental e capacidade de generalização entre cenários, oferecendo suporte técnico confiável para a detecção de alvos de satélites em cenários espaciais complexos.

satélites espaciais; detecção de alvos; mecanismo de atenção; características multiescala; percepção de satélites