FSG⁃YOLO:基于YOLOv8改进的轻量化月面障碍物检测算法

为了提高月面障碍物检测的效率和准确性,提出了一种基于YOLOv8改进的轻量化陨石坑和月面岩石检测算法FSG⁃YOLO。首先,采用FasterNet作为主干网络,提升模型对于陨石坑和月面岩石的特征提取能力,同时减少模型参数量和计算量,提升检测速度;然后,引入Si⁃mAM注意力机制模块,在不增加原始网络参数的同时提高模型的特征融合能力;最后,采用GIoU作为模型的损失函数,提高模型的识别准确率。实验结果表明:相较于原模型,FSG⁃YO⁃LO在自建月面障碍物数据集上的平均精度均值提升了4.0%,模型参数量减少了41.86%,计算量减少了38.27%,检测速度提高了19.99%。算法能够平衡精度和轻量化的需求,能有效适用于复杂空间环境下月面障碍物的检测。

人工智能在月面机器人领域的前沿探索综述

随着人类对月球探索的不断深入,对月面机器人智能化和自主性的需求日益增加。为推动其在月球探索、资源利用和科研站建设中的应用,对月面机器人和人工智能技术进行了系统研究。按照月面机器人自主行为、多机器人协作和人机交互三大方面分析了人工智能在行星探测中的研究进展和潜在应用价值。最后,展望了智能化月面机器人的未来发展方向,为行星探测和未来空间探索提供了参考。