基于改进深度学习模型的地月空间非合作目标识别方法及系统

本发明公开一种基于改进深度学习模型的地月空间非合作目标识别方法及系统，应用于空间碎片、废弃卫星等非合作目标在复杂背景下的检测与匹配。本发明首先构建了一个高保真度的深空非合作目标仿真数据集，通过模拟多种传感器在地月空间环境下的观测数据，并对数据进行精确标注。其次，在YOLOv5模型基础上，引入自注意力机制和空间注意力模块，针对非合作目标与背景恒星的相似性问题，通过双流网络架构处理光学成像数据和激光测距数据，并引入跨模态注意力机制，优化了特征提取与目标匹配过程，增强了模型对低信噪比条件下的鲁棒性。并且，通过自监督对比学习增强特征学习能力，能够在弱信号环境中有效区分非合作目标与背景，提升实时监测与预警能力。