Sat-YOLO:面向空间卫星的目标检测器OA

空间卫星目标检测是在轨航天器自主服务、空间态势感知等国家重大航天工程的核心支撑技术,直接决定航天任务的执行安全与可靠性。针对空间卫星目标检测中存在的弱纹理、目标非对称、多尺度分布及复杂光照干扰等难题,现有方案检测精度不足、背景干扰抑制能力弱等问题。本文以YOLOv11n为基线,设计三大改进模块构建Sat-YOLO,首先引入移动风车卷积SPConv替代传统下采样卷积,强化非对称卫星目标特征捕捉与稀疏特征聚合;其次在YOLOv11原生C3K2模块基础上集成ASTSA注意力机制,提出C3K2_ASTSA特征增强检测头,抑制太空背景噪声并提升目标特征判别性;最后设计多尺度大核分解注意力MLKDA模块,实现全尺度目标特征覆盖,提升检测精度。同时搭建航天器在轨模拟观测系统,构建包含8000张样本的空间卫星专用数据集,涵盖复杂光照场景下卫星、太阳能电池板、不规则球形天线等三类目标,通过消融实验、对比实验及跨数据集验证,系统评估检测算法性能。实验结果表明:在自建空间卫星数据集上,Sat-YOLO精度达88.4%、召回率达85.5%,mAP@0.5达93.7%,mAP@0.5∶0.95达57.8%,相较于基线YOLOv11n,分别提升3.7%,1.3%,3.2%,2.9%;在ExDark暗光数据集上,综合性能优于RT-DETR-l,YOLO系列,MHSA-YOLOv5s,YKSB等主流对比方案。本文提出的Sat-YOLO有效缓解了空间卫星目标检测的核心难题,实现了检测精度的显著提升,具备优异的环境适应性和跨场景泛化能力,可为复杂空间场景下的卫星目标检测提供可靠的技术支撑。