乔鹏飞，邵 成，覃月明

（中国船舶重工集团有限公司第七一〇研究所，湖北 宜昌 443003）

0 引言

水下目标的检测、识别和跟踪是近年来的研究热点之一，其应用非常广泛，包括海床的建模与绘制、海上打捞与救助、海底管道探测等方面，在军事上可用于水雷、潜艇、UUV等水下目标的探测和跟踪，具有重要的军事战略意义。水下目标一般可通过声呐设备探测，其利用目标对声波的反射形成图像。现有的声呐设备主要包括前视声呐[1]、侧扫声呐[2]和合成孔径声呐[3]3种：侧扫声呐和合成孔径声呐通常用来采集航行器左右两侧下方的海底图像，具有分辨率高、覆盖范围广的优点，但其在航行器的正下方存在一定的视野盲区；前视声呐安装在水下航行器的头部，可以采集航行器前下方的图像数据，常用于水下航行器的自主避障和补充侧扫及合成孔径声呐的盲区间隙。

传统声呐图像识别技术的关键在于特征的提取、匹配，如水下目标的形状、纹理等特征，然而由于声学图像成像质量差、对比度低、边缘模糊、海洋环境复杂以及水下目标的多变，这类方法已经无法满足水下目标检测和识别的要求[4]。近年来，随着人工智能技术的发展，基于深度学习的方法被广泛应用到目标检测中，并发展出一系列的检测模型，这些模型可以自动学习图像中丰富的分层特征[5]，在光学图像检测领域中取得巨大成功。本文将目标检测模型YOLOv3[6]引入声呐图像的检测任务中，验证算法的可行性和高效性。……