YOLO26-DeepSpace：一种面向深空弱小目标的多尺度多目标检测跟踪网络

赵妍妍; 曹玥

doi:10.37188/CJLCD.2026-0090

您当前的位置：

首页 >

文章列表页 >

YOLO26-DeepSpace：一种面向深空弱小目标的多尺度多目标检测跟踪网络

图像处理 | 更新时间：2026-09-12

- YOLO26-DeepSpace：一种面向深空弱小目标的多尺度多目标检测跟踪网络
- YOLO26-DeepSpace： a multi-scale and multi-target detection and tracking network for dim and small targets in deep space
- 液晶与显示 2026年41卷第7期页码：1023-1038
- 作者机构：
  
  吉林交通职业技术学院，吉林长春 130012
- 作者简介：
  
  赵妍妍，女，硕士，高级工程师，2008年于吉林大学获得硕士学位，主要从事智能视觉检测与精密机械制造技术方面的研究。E-mail：13604311978@163.com
- 基金信息：
  
  吉林省科技发展计划项目(20240206004YY)
- DOI：10.37188/CJLCD.2026-0090
  中图分类号： TP391.41
- CSTR：32172.14.CJLCD.2026-0090
- 收稿：2026-05-19，
  
  修回：2026-06-16，
  
  纸质出版：2026-07-06
- 稿件说明：
移动端阅览
赵妍妍, 曹玥. YOLO26-DeepSpace：一种面向深空弱小目标的多尺度多目标检测跟踪网络[J]. 液晶与显示, 2026,41(7):1023-1038.

ZHAO Yanyan, CAO Yue. YOLO26-DeepSpace： a multi-scale and multi-target detection and tracking network for dim and small targets in deep space[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(7): 1023-1038.
赵妍妍, 曹玥. YOLO26-DeepSpace：一种面向深空弱小目标的多尺度多目标检测跟踪网络[J]. 液晶与显示, 2026,41(7):1023-1038. DOI： 10.37188/CJLCD.2026-0090. CSTR： 32172.14.CJLCD.2026-0090.

ZHAO Yanyan, CAO Yue. YOLO26-DeepSpace： a multi-scale and multi-target detection and tracking network for dim and small targets in deep space[J]. Chinese Journal of Liquid Crystals and Displays, 2026, 41(7): 1023-1038. DOI： 10.37188/CJLCD.2026-0090. CSTR： 32172.14.CJLCD.2026-0090.

摘要

在太空预警与空间目标监视系统中，为了有效探测各种空间碎片和其他体量小且信号弱的行星，针对深空环境存在噪声干扰、目标特征微弱、轨迹非连续性等难题，本文提出一种基于改进YOLO26的目标检测与跟踪算法。首先搭建图像子区域自感知增强模块，通过局部对比度优化与边缘保护机制加强灰暗目标视觉特性的清晰程度；其次对YOLO26检测网络进行轻量化设计，引入改进多尺度注意力模块GCEMA，加强弱小目标的检测能力；最终结合OCSort跟踪算法与外观重新识别模型CosmicReID，实现多目标编目与稳定跟踪。实验结果表明，与原始网络YOLO26和OCSort算法相比，改进后网络结构具有更少的参数量和更快的推理速度，检测速度提高了11.9%；集成系统跟踪准确率提升了6.2%，目标身份切换频次减少48.5%。满足了自动跟踪测量系统的检测精度和跟踪精度等要求。

Abstract

For space early warning and space target surveillance systems， aiming to effectively detect various space debris and other small-size， weak-signal celestial targets， this paper proposes a target detection and tracking algorithm based on improved YOLO26 to address the challenges in deep space environments such as noise interference， faint target features and discontinuous trajectories. Firstly， an image sub-region self-perception enhancement module is deployed to enhance the visual clarity of dim and dark targets via local contrast optimization and edge preservation mechanism. Secondly， the YOLO26 detection network is lightweighted， and an improved multi-scale attention module GCEMA is introduced to strengthen the detection capability for dim and small targets. Finally， combined with the OCSort tracking algorithm and the appearance re-identification model CosmicReID， multi-target cataloging and stable tracking are realized. Experimental results show that compared with the original YOLO26 network and OCSort algorithm， the improved network has fewer parameters and faster inference speed， with the detection speed increased by 11.9%； the tracking accuracy of the integrated system is improved by 6.2%， and the frequency of target identity switching is reduced by 48.5%. The proposed method meets the requirements on detection accuracy and tracking accuracy of automatic tracking and measurement systems.

关键词

Keywords

references

WANG H ， ZHANG G Y ， WANG L Y ， et al . Anomalous individuals searching framework for space debris detection in single optical astronomical image ［J］. Advances in Space Research ， 2025 ， 75 （ 4 ）： 3820 - 3837 . doi: 10.1016/j.asr.2024.11.057 http://dx.doi.org/10.1016/j.asr.2024.11.057

CHOI J H ， PARK C ， LEE J . Mission planning for active removal of multiple space debris in low Earth orbit ［J］. Advances in Space Research ， 2024 ， 73 （ 9 ）： 4800 - 4812 . doi: 10.1016/j.asr.2024.01.062 http://dx.doi.org/10.1016/j.asr.2024.01.062

ZHU R ， FU Q ， LIU N ， et al . Improved target detection method for space-based optoelectronic systems ［J］. Scientific Reports ， 2024 ， 14 （ 1 ）： 1832 . doi: 10.1038/s41598-024-51717-0 http://dx.doi.org/10.1038/s41598-024-51717-0

赵德民，孙扬，林再平，等 . 基于 L 1-2 时空域总变分正则项的红外弱小目标检测算法［J］. 中国光学（中英文）， 2023 ， 16 （ 5 ）： 1066 - 1080 ． doi: 10.37188/co.2022-0229 http://dx.doi.org/10.37188/co.2022-0229

ZHAO D M ， SUN Y ， LIN Z P ， et al . Infrared small target detection via L 1-2 spatial-temporal total variation regularization ［J］. Chinese Optics ， 2023 ， 16 （ 5 ）： 1066 - 1080 . （in Chinese） . doi: 10.37188/co.2022-0229 http://dx.doi.org/10.37188/co.2022-0229

赵鹏鹏，李庶中，李迅，等 . 融合视觉显著性和局部熵的红外弱小目标检测［J］. 中国光学， 2022 ， 15 （ 2 ）： 267 - 275 ． doi: 10.37188/co.2021-0170 http://dx.doi.org/10.37188/co.2021-0170

ZHAO P P ， LI S Z ， LI X ， et al . Infrared dim small target detection based on visual saliency and local entropy ［J］. Chinese Optics ， 2022 ， 15 （ 2 ）： 267 - 275 . （in Chinese） . doi: 10.37188/co.2021-0170 http://dx.doi.org/10.37188/co.2021-0170

徐礼珺，薛武 . HADN-Net：面向暗弱天体目标检测的层次化注意力密集嵌套网络［J］. 光学精密工程， 2025 ， 33 （ 17 ）： 2792 - 2809 ． doi: 10.37188/ope.20253317.2792 http://dx.doi.org/10.37188/ope.20253317.2792

XU L J ， XUE W . HADN-Net： hierarchical attention dense nested network for faint astronomical target detection ［J］. Optics and Precision Engineering ， 2025 ， 33 （ 17 ）： 2792 - 2809 . （in Chinese） . doi: 10.37188/ope.20253317.2792 http://dx.doi.org/10.37188/ope.20253317.2792

GUO Y ， YIN X L ， XIAO Y ， et al . Enhanced YOLOv8-based method for space debris detection using cross-scale feature fusion ［J］. Discover Applied Sciences ， 2025 ， 7 （ 2 ）： 95 . doi: 10.1007/s42452-025-06502-7 http://dx.doi.org/10.1007/s42452-025-06502-7

CHEN S Y ， WANG H ， SHEN Z H ， et al . Convolutional long-short term memory network for space debris detection and tracking ［J］. Knowledge-Based Systems ， 2024 ： 304 ： 112535 . doi: 10.1016/j.knosys.2024.112535 http://dx.doi.org/10.1016/j.knosys.2024.112535

罗可心，李松江，王鹏，等 . 面向无人机影像小目标检测的轻量化算法［J］. 液晶与显示， 2026 ， 41 （ 2 ）： 253 - 266 ．

LUO K X ， LI S J ， WANG P ， et al . Lightweight algorithm for small object detection in UAV images ［J］. Chinese Journal of Liquid Crystals and Displays ， 2026 ， 41 （ 2 ）： 253 - 266 . （in Chinese）

张爱华，王莹 . 霜冰优化算法与多尺度信息融合的水下图像增强［J］. 液晶与显示， 2026 ， 41 （ 3 ）： 452 - 461 ．

ZHANG A H ， WANG Y . Rime optimization algorithm and multi-scale information fusion for underwater image enhancement ［J］. Chinese Journal of Liquid Crystals and Displays ， 2026 ， 41 （ 3 ）： 452 - 461 . （in Chinese）

郑龙光，朱波，李国梁，等 . 基于高频融合注意力的轻量级图像超分辨率重建［J］. 液晶与显示， 2026 ， 41 （ 2 ）： 280 - 293 ．

ZHENG L G ， ZHU B ， LI G L ， et al . Lightweight image super-resolution reconstruction based on high frequency fusion attention ［J］. Chinese Journal of Liquid Crystals and Displays ， 2026 ， 41 （ 2 ）： 280 - 293 . （in Chinese）

REDMON J ， DIVVALA S ， GIRSHICK R ， et al . You only look once： unified， real-time object detection ［C］. 2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR） . Las Vegas ： IEEE ， 2016 ： 779 - 788 . doi: 10.1109/cvpr.2016.91 http://dx.doi.org/10.1109/cvpr.2016.91

VARGHESE R ， SAMBATH M . YOLO26： a novel object detection algorithm with enhanced performance and robustness ［C］. 2024 International Conference on Advances in Data Engineering and Intelligent Computing Systems （ADICS） . 2025 ： 9 - 18 . doi: 10.1109/adics58448.2024.10533619 http://dx.doi.org/10.1109/adics58448.2024.10533619

WANG A ， CHEN H ， LIU L H ， et al . YOLOv10： real-time end-to-end object detection ［C］// Proceedings of the 38th International Conference on Neural Information Processing Systems . Vancouver ： Curran Associates Inc. ， 2024 ： 3429 . doi: 10.52202/079017-3429 http://dx.doi.org/10.52202/079017-3429

KHANAM R ， HUSSAIN M . YOLOv11： an overview of the key architectural enhancements ［J/OL］. arXiv ， 2024 ： 2410 . 17725 . doi: 10.3390/solar5010006 http://dx.doi.org/10.3390/solar5010006

REN S Q ， HE K M ， GIRSHICK R ， et al . Faster R-CNN： towards real-time object detection with region proposal networks ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2017 ， 39 （ 6 ）： 1137 - 1149 . doi: 10.1109/tpami.2016.2577031 http://dx.doi.org/10.1109/tpami.2016.2577031

JIANG P Y ， ERGU D ， LIU F Y ， et al . A review of Yolo algorithm developments ［J］. Procedia Computer Science ， 2022 ， 199 ： 1066 - 1073 . doi: 10.1016/j.procs.2022.01.135 http://dx.doi.org/10.1016/j.procs.2022.01.135

YU Z T ， ZHENG X Q ， YANG J ， et al . Improved YOLOX-DeepSORT for multitarget detection and tracking of automated port RTG ［J］. IEEE Open Journal of the Industrial Electronics Society ， 2024 ： 5 ： 317 - 325 . doi: 10.1109/ojies.2024.3388632 http://dx.doi.org/10.1109/ojies.2024.3388632

GE Z ， LIU S T ， WANG F ， et al . YOLOX： exceeding YOLO series in 2021 ［J/OL］. arXiv ， 2021 ： 2107 . 08430 .

WOJKE N ， BEWLEY A ， PAULUS D . Simple online and realtime tracking with a deep association metric ［C］. 2017 IEEE International Conference on Image Processing （ICIP） . Beijing ： IEEE ， 2017 ： 3645 - 3649 . doi: 10.1109/icip.2017.8296962 http://dx.doi.org/10.1109/icip.2017.8296962

赵琦云，张赫，靳崇，等 . 基于改进YOLO11-DeepSORT模型的“低慢小”无人机识别跟踪算法［J］. 火力与指挥控制， 2025 ， 50 （ 7 ）： 125 - 132 ．

ZHAO Q Y ， ZHANG H ， JIN C ， et al . “Low-slow-small” UAV recognition and tracking algorithm based on improved model YOLO11-DeepSORT ［J］. Fire Control & Command Control ， 2025 ， 50 （ 7 ）： 125 - 132 . （in Chinese）

OUYANG D L ， HE S ， ZHANG G Z ， et al . Efficient multi-scale attention module with cross-spatial learning ［C］. ICASSP 2023-2023 IEEE International Conference on Acoustics， Speech and Signal Processing （ICASSP）. Rhodes Island ： IEEE ， 2023 ： 1 - 5 . doi: 10.1109/icassp49357.2023.10096516 http://dx.doi.org/10.1109/icassp49357.2023.10096516

浏览量

239

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于改进YOLOv7的口罩佩戴检测

面向复杂道路场景的轻量化路面异物检测算法

基于改进YOLO11n的野外小目标检测算法

基于ZYNQ与YOLO26n的PCB缺陷检测

量子点电润湿显示器件的驱动响应与双阶段波形调控