标题：基于深度学习的水下目标检测算法的设计与实现
作者：刘永 刘宝洲
作者单位：中国电子科技集团公司第五十八研究所，江苏 无锡 214000
关键字：水下目标检测；深度学习；YOLOv5；多尺度自适应空间融合
摘要：随着全球化进程加快和科技不断进步，水下探测与资源开发逐渐成为科研与产业领域的热点。基于YOLOv5模型，针对水下复杂环境中目标检测的难题，采用深度学习技术实现改进。首先，从URPC2021图像数据集中获取数据，对原始图像进行预处理，增强数据泛化能力并有效消除噪声干扰与光照不均的影响；随后，结合先进检测手段，重点优化了小物体及复杂背景下的识别，通过引入FCA注意力机制与多尺度自适应空间融合技术，显著提升了模型在低光照及遮挡条件下的识别准确率。大量对比实验表明，改进模型在检测速度与精度方面均有明显优势。不仅为水下智能探测技术提供了新的理论与实践依据，也为军事监控、环境保护及水下文化遗产保护等领域的应用拓展了思路。