Dans le système d'alerte spatiale et de surveillance des cibles spatiales, afin de détecter efficacement divers débris spatiaux et d’autres planètes de petite taille et à faible signal, et face aux problèmes posés par le bruit ambiant en espace lointain, les caractéristiques faibles des cibles et la non-continuité des trajectoires, cet article propose un algorithme de détection et de suivi basé sur YOLO26 amélioré. Tout d'abord, un module d'amélioration d'auto-perception des sous-régions d'image est construit pour renforcer la netteté des caractéristiques visuelles des cibles peu lumineuses grâce à l'optimisation du contraste local et au mécanisme de protection des contours ; ensuite, une conception allégée du réseau de détection YOLO26 est réalisée en introduisant un module d'attention multi-échelle amélioré GCEMA pour renforcer la capacité de détection des petites cibles faibles ; enfin, en combinant l'algorithme de suivi OCSort et le modèle de ré-identification d'apparence CosmicReID, une catégorisation multi-cibles et un suivi stable sont réalisés. Les résultats expérimentaux démontrent que, comparée au réseau original YOLO26 et à l'algorithme OCSort, la structure réseau améliorée possède moins de paramètres et une vitesse d'inférence plus rapide, la vitesse de détection est améliorée de 11,9 % ; la précision de suivi du système intégré est augmentée de 6,2 %, et la fréquence de changement d'identité des cibles est réduite de 48,5 %. Cela répond aux exigences de précision de détection et de suivi du système de mesure de suivi automatique.

Suivi multi-cibles; traitement d'images; détection d'objets; association de données