基于YOLOv5的舰船尾迹检测
摘要
舰船是海面上的主要运输载体，在海面背景中舰船目标较小，不易检测，而尾迹作
为舰船运动的重要特征，分布范围很大，所以通过尾迹对舰船进行监测是一个重要的途
径。以舰船尾迹为主要检测对象，不仅可以定位舰船位置，还能够确定舰船运动方向。
传统的尾迹检测算法难以满足舰船尾迹检测的实时性需求，YOLOv5模型是YOLO系
列的最新成果，它在目标检测任务上表现出了更高的速度和精度，本文以YOLOv5s模
型为基础对舰船尾迹检测进行研究。
针对舰船尾迹图像特点以及YOLOv5s模型本身的结构，对模型进行了结构上的精
简改进，在YOLOv5s模型的结构中减去了小尺度的相关特征层，添加了CA注意力模
块，提升了模型检测效率。然后对检测到的锚框区域进行尾迹提取，使用K-Means++
算法对尾迹进行分割，使用Radon变换对分割后的尾迹图像进行处理，分析舰船运动的
主方向，然后使用改进Canny算子对分割后的尾迹进行边缘检测，指示尾迹具体位置。
基于检测算法搭建了舰船尾迹检测系统，使得对尾迹检测模型的操作更方便，同时也可
以更为直观的查看检测结果。
为了验证模型的准确性，选择SWIM尾迹数据集和自制数据集进行训练检测。根据
实验结果可以看出，尾迹数据集应用改进的YOLOv5s算法模型进行检测后，其检测精
度为90.1%，比原YOLOv5s算法检测精度提高了1.9%，模型参数量从14.4M减少到
10.2M，减少了29.16%。实验结果显示，YOLOv5s模型经过改进后，能够有效地降低
舰船尾迹的漏检率，增强了对小目标、多目标和遮挡目标的检测性能，提升了舰船尾迹
检测的效果。
关键词：目标检测；YOLOv5s；图像处理；尾迹提取
基于YOLOv5的舰船尾迹检测
Abstract
Shipsarethemaintransportationcarriersontheseasurface.Theshiptargetsaresmall
anddifficulttodetect.Asanimportantfeatureofshipmotion,thedistributionrangeislarge,
somonitoringshipsthroughwakesisanimportantapproach.Takingshipwakesasthemain
detectionobjectnotonlylocatethepositionoftheship,butalsodeterminetheshipmovement
direction.Traditionalwakedetectionalgorithmsaredifficulttomeetthereal-time
requirementsofshipwakedetection.TheYOLOv5modelisthelatestachievementofthe
YOLOseries.Itshowshigherspeedandaccuracyinthetargetdetectiontask.Thispaper
studiesshipwakedetectionbasedontheYOLOv5smodel.
AccordingtothecharacteristicsofshipwakeimagesandthestructureofYOLOv5s
modelitself,themodelissimplifiedandoptimizedinstructure.Therelevantfeaturelayerof
smallscaleissubtractedfromthestructureofYOLOv5smodel,andCAattention