水面无人艇的目标检测增量学习方法研究
摘要
随着国家经济的不断发展，海洋资源的需求增加，越来越多的关注被投入到海洋技
术的研究和开发中。水面无人艇作为一种新兴的高科技产品，具有很大的市场潜力和应
用前景。可靠的感知系统是保证无人艇安全运行的关键因素之一，目标检测可以为无人
艇实现自主导航和避障提供所需要的海面目标信息。但由于海面目标的多样性和海洋环
境的复杂多变，为无人艇目标检测带来了诸多挑战。因此开展海面目标增量学习和海面
场景增量自适应的研究，对于无人艇快速适应海洋环境的动态变化具有重要的实用价值。
本文基于哈尔滨工程大学研制的“QZ”水面无人艇，开展目标检测模型轻量化、海面目标
增量学习、海面场景增量自适应的研究，提高无人艇感知系统在复杂海洋环境下的自适
应能力。
首先，对于水面无人艇而言，感知和控制通常在算力有限的嵌入式设备上完成。而
目前大部分目标检测算法在嵌入式设备上的实时性较差，无法为无人艇提供实时可靠的
海面目标信息。为了提高在嵌入式设备上的检测速度，本文在YOLOv5目标检测模型
的基础上进行轻量化处理，使所提出的算法在检测速度和精度之间达到更好的平衡，更
适合部署在无人艇上执行目标检测任务。
其次，由于海面目标类别的多样性，无人艇上部署的目标检测模型可能无法检测训
练集中未出现的海面目标类别。此时使用新目标数据集对模型重新训练，会产生灾难性
遗忘现象，模型无法准确识别旧类别目标。因此本文提出一种增量学习方法，可以快速
学习新的目标并保持模型对于初始目标的记忆。采用知识蒸馏的思想，构建蒸馏损失函
数，避免模型在学习新目标时对于初始目标产生遗忘，使无人艇快速适应海面目标的变
化，持续学习新的目标。
然后，针对在真实海面场景下，由于气候、光照等条件的变化导致目标检测模型性
能下降的问题，采用领域自适应的方法，使模型适应海面场景的变化。但现有的领域自
适应方法旨在提高目标域的检测性能，忽略了模型在源域上性能的急剧下降。为了解决
学习新领域时产生灾难性遗忘的问题，基于上述增量学习的方法提出一种增量领域自适
应方法，具体可以分为两个阶段：第一阶段，采用循环生成对抗网络将源域中的图像转
换为与目标域数据分布相匹配的图像；第二阶段，增量学习生成的目标域数据集。使模
型学习新海面场景的同时，避免在已学习场景中性能大幅下降，以提高无人艇感知系统
的自适应能力。
哈尔滨工程大学专业学位硕士学位论文
最后，基于“QZ”无人艇平台在真实海洋环境中开展海上实验，利用无人艇搭载的光
电吊舱采集真实海面图像，对本文提出的方法进行实验验证。实验结果表明，对目标检
测模型进行轻量化处理后满足无人艇感知系统对于实时性的要求；所提出的增量学习方
法可以持续学习新的海面目标并避免对初始目标产生灾难性遗忘；所提出的增量自适应
方法可以快速适应海面场景的动态变化。这些方法适合部署在无人艇感知系统中，为无
人艇自动驾驶提供更加可靠的海面目标信息，促进无人艇智能化水平的提升。
关键词：水面无人艇；轻量化目标检测；增量学习；领域自适应
水面无人艇的目标检测增量学习方法研究
Abstract
Withthecontinuousdevelopmentofthenationaleconomy,thedemandformarine
resourceshasincreased,andmoreandmoreattentionhasbeendevotedtotheresearchand
developmentofmarinetechnology.Asanewhigh-techproduct,theunmannedsurfacevehicle
(USV)hasgreatmarketpotentialandapplicationprospects.Theabilitytoperceivethemarine
environmentisakeyelementtoensurethesafety