В ответ на проблемы большого объема, низкой эффективности и трудностей с развертыванием модели обнаружения морских целей на основе инфракрасного мультиспектрального слияния на встроенных устройствах, в данной работе на основе YOLOv8n-MF предложена легковесная модель обнаружения морских целей с инфракрасным мультиспектральным слиянием YOLOv8n-MFLW. Во-первых, введена легкая сеть HGNetv2 вместо основной сети, конструируются блоки HGBlock и модуль C2f на основе сверточного слоя GSConv, что позволяет снизить количество параметров модели при сохранении способности извлекать и объединять признаки; предложен адаптивный алгоритм разреженного структурированного обрезания La-Depgraph для дальнейшего значительного уменьшения параметров модели; наконец, используется стратегия обучения дистилляции знаний промежуточных признаков для восстановления потерь точности после обрезания и повышения эффективности обнаружения модели. Экспериментальные результаты показывают, что по сравнению с исходной моделью улучшенная легковесная модель инфракрасного мультиспектрального слияния для обнаружения морских целей достигает точности 96,4%, что на 1,2% выше, а количество параметров модели, вычислительные затраты и потребление памяти составляют всего 0,9 МБ, 3,5 GFlops и 2,3 МБ соответственно, что уменьшает их на 88,1%, 81,2% и 82,8%. Таким образом, предложенная модель имеет небольшой объем, высокую точность и лучшее качество обнаружения, способна выполнять задачи обнаружения морских целей в сложных условиях.

инфракрасные морские цели; мультиспектральное обнаружение; легковесность; обрезание модели; дистилляция знаний