我国有着绵长的海岸线和辽阔的海洋国土，这使得我国周边海域船舶巨增、航道复杂以及海情瞬息多变，船舶遭遇风险的可能大大增加。同时，关于海洋资源、海洋岛屿、海域划界、海洋环境保护等方面的权益争端越发激烈，为了保卫海域及岛屿主权，海防也成为了国防建设中不可或缺的一环。对于一些舰船、潜艇等航行器的非法入侵、非法捕捞、非法走私进行监管是海防中的重要任务。因此，开展海洋中舰船、潜艇等目标的探测技术研究具有重要的现实意义。

传统的探测手段主要以舰船或潜艇本体为检测对象，然而传统方法往往会受到舰船自身故障或先进的隐身技术的严重影响。但是舰船或潜艇所产生的尾迹却很难隐身，尽管这种隐匿在海面上的尾迹有时很难被肉眼发现，但却难以逃脱机载和星载高精密成像传感器的捕捉，舰船尾迹特别是潜艇尾迹是小尺度的海洋动力学特征，往往通过高光谱、红外热成像或合成孔径雷达（Synthetic Aperture Radar，SAR）进行成像进而完成探测识别。通过舰船或潜艇在水面留下的尾迹，不但可以发现、定位、跟踪目标本身的位置，而且还可以根据尾迹的几何特征估计目标运动状态信息。基于尾迹特征的舰船或潜艇间接探测被认为是一种极其可行的成像探测方法，这在军事领域和民用领域都有着很高的应用价值。

清华大学深圳国际研究生院周倩副教授、倪凯副教授课题组长期在微纳光学技术、光谱成像技术、光电精密测量技术等领域进行研究工作，从特种光学元器件、整机系统研制到现场应用进行了全技术链条攻关。针对上述问题，周倩、倪凯课题组提出了一种新的轻量级深度学习模型，用于实时检测舰船和尾迹。为了满足巡航任务中舰船和尾迹检测的实时性要求，本研究采用了单步法整体检测框架（图1），并开发了用于主干特征提取网络的组合卷积模块，以廉价的方式获得丰富的特征图像，在大大减少模型训练时间的同时也大大减轻了整体模型体积，满足了舰船检测系统的硬件要求。

图1. 舰船尾迹检测整体框架

研究团队基于所创建的高分三号舰船尾迹数据集，针对他们提出的轻量级模型，进行了大量的训练和测试实验，定量分析了算法的良好性能。在舰船目标及尾迹线条可靠的定位基础之上，该研究也进行了舰船航行信息反演算法的实验验证及结果分析（图2）。

图2.部分舰船尾迹检测结果展示

上述成果以“面向实时检测高分三号SAR图像中舰船尾迹的轻量级深度学习模型”（Towards real-time detection of ships and wakes with lightweight deep learning model in Gaofen-3 SAR images）为题，发表在遥感领域国际期刊《环境遥感》（Remote Sensing of Environment）。

论文第一作者为清华大学深圳国际研究生院2020级博士生丁凯洋、2021级硕士生杨俊峰和中国科学院深圳先进技术研究院林慧研究员，通讯作者为清华大学深圳国际研究生院周倩副教授和倪凯副教授。其他合作者包括清华大学深圳国际研究生院2021级硕士生王昭、王得懿和王晓浩教授。