基于YOLO V3算法改进的月表砾石检测优化方法

作者：张金铭; 刘秀清

来源：电子设计工程, 2023, 31(12): 38-42+47.

DOI：10.14022/j.issn1674-6236.2023.12.008

• 目标检测
• 月球溅射物
• 深度学习
• 月球侦察轨道器
• YOLO V3

月球表面溅射物中的砾石检测可用于实现自主着陆、航天器和月球车自动避障等任务。针对与月表背景差异不明显的砾石检测问题，提出一种检测方法，该方法基于改进后的YOLO V3模型对美国月球侦察轨道器(Lunar Reconnaissance Orbiter,LRO)窄角相机(Narrow Angle Camera,NAC)高分辨率月球遥感影像进行训练和测试。实验对比了原始YOLO V3和改进后的YOLO V3方法的检测效果。结果表明，改进后的YOLO V3模型较原始模型的准确率提高了10.5%，召回率提升22.8%，检测速度提升1.69倍，在数据集中的漏检和误检现象也轻于原始YOLO V3网络。

• 单位
  中国科学院; 中国科学院大学