西京学院学子在海上智能监测领域取得突破性进展

——基于优化YOLOv8模型的船舶检测研究纪实

近日，西京学院计算机学院数据科学与大数据技术专业2024级学生郭沛锜及其团队，在海上船舶目标检测领域取得阶段性研究成果。该项目聚焦复杂海况下的船舶智能识别，通过对YOLOv8模型的系统性优化，为海上交通管理、海洋资源保护等领域提供了新的技术思路。

科研初心：从课堂走向蔚蓝

作为大二学生，郭沛锜和他的团队将目光投向广袤海洋。在黄健教授启发下，他们注意到传统海事监控手段在复杂环境下的局限性：人工瞭望受制于天气与视野，雷达监测难以识别船舶细节，现有算法在小目标检测、恶劣天气适应性等方面仍有提升空间。带着“用技术解决实际问题”的朴素愿望，团队开启了为期一年的探索之旅。

“我们想做的，是让计算机像经验丰富的引航员一样，在雨雾朦胧或夜色深沉时，依然能准确识别每一艘过往船舶。”项目负责人郭沛锜这样描述初衷。

攻坚克难：数据与算法的双重突破

研究过程中，团队构建了包含超80,000张高分辨率图像的大规模数据集，覆盖晴天、阴天、雨雾、昼夜等多维场景，并对船舶进行精细化标注。在此基础上，他们对YOLOv8模型进行针对性优化：在骨干网络中引入MBConv模块，在保持检测精度的同时有效降低计算负担；针对海上目标类别不平衡问题，引入Focal Loss损失函数，使模型更聚焦于小目标与稀有船型的识别。

实验数据显示，优化后模型在复杂海况下的检测精度（mAP50）达到0.80，优于原始YOLOv8n（0.75）与YOLOv8s（0.78）模型，召回率与精确率表现稳定。这意味着，无论是远处若隐若现的渔船，还是风浪中穿行的货轮，系统都能更可靠地捕捉其踪迹。

应用展望：让技术回归服务本真

谈及研究成果的应用前景，团队显得格外谦逊。“我们的工作还很初步，只是在前人基础上做了一点微小的改进。”郭沛锜表示，未来他们计划进一步扩充极端天气与紧急场景下的数据样本，探索迁移学习、半监督学习等技术的融合应用，并希望将模型拓展至船舶类型识别、行为分析等更广阔领域。

在2025年“互联网+”大学生创新创业大赛中，该项目获得省级立项与奖项认可。但团队成员更珍视的，是研究过程中积累的经验与思考。“每一次参数调整、每一轮模型验证，都是课堂知识的延伸，更是对‘科技向善’的切身体会。”黄健教授这样评价道。

从秦岭山城走出的少年，到西京园里探索数据奥秘的学子，郭沛锜与他的团队用扎实的脚步丈量着科研之路。正如他们在项目总结中所写：“技术的价值，在于回应真实世界的呼唤。愿我们的点滴努力，能为一艘艘平安归航的船舶，点亮海面之上那盏智慧的灯。”

                                                                                           （通讯作者：郭沛琦、曹怀宇、方静轩、徐康乐）