@article{
  author = {袁煦童; 李希之; },
  title = {基于 YOLOv5 的类地行星陨石坑智能检测
与分类},
  keywords = {深空探测；类地行星；陨石坑；目标检测；YOLOv5},
  abstract = {该研究基于 YOLOv5 提出了一种改进的陨石坑智能检测模型，并构建了专用的陨石坑数
据集用于训练。为适应不同尺度陨石坑的检测需求，研究改进了模型网络结构，增加了小尺度特
征提取模块并优化了特征融合方式。实验结果表明，改进后的模型在陨石坑数据集上的平均精度
（mAP@50）从 79.2% 提升到 81.2%，该结果相当于增加约 100 张训练图像带来的近 2% 的精度提
升，提高了对小目标陨石坑的识别率，同时具备陨石坑分类功能；在训练集数据量较小的小样本
检测任务中具有较大应用价值。与当前主流开放世界目标检测通用大模型 DINO-X 对比，改进模
型在陨石坑识别准确率上具有显著优势，且对不同光照条件的识别具有较好的鲁棒性。该研究为
陨石坑实时检测及相关任务提供了重要参考，展现了其在深空探测任务中的潜在应用价值。},
  doi = {10.3969/j.issn.1000-8349.2026.01.07},
  url = {https://chinaxiv.org/abs/202604.00111},
  timestamp = {2026-06-01},
}