利用卫星光学遥感图像进行舰船检测,是有效的海洋活动检测手段,对维护国家海洋安全具有重要意义。近年来,人工智能技术发展迅猛,其在图像识别和目标检测方面有不可替代的优势。某研究院提出卫星光学遥感图像舰船检测系统预研项目,项目要求使用深度学习方法对光学遥感图像进行实时的舰船检测,该文基于此预研项目进行系统原理样机的研究与实现。舰船检测系统搭载在遥感卫星上,对卫星捕获到的光学遥感图像进行实时处理,并将检测出带有舰船信息的图像单独汇总,最终通过卫星数传中心回传给地面控制站。整个舰船检测系统由两大模块组成:遥感图像采集模块和舰船检测模块。首先,系统采用定制型高速串行计算机扩展总线标准(peripheral component interconnect express,PCIE)高速数据采集卡接收遥感图像,并通过PCIE总线发送至舰船检测模块。选用TX1嵌入式开发板作为舰船检测系统的硬件平台,在TX1板卡中搭建Linux操作系统环境,并完成了PCIE总线驱动开发,实现与采集卡之间的高速图像数据传输。对模块进行了功能和性能测试,该模块可完成数据的读写功能,并具有较高的数据传输速率,满足系统功能和性能要求。然后,对Darknet深度学习框架进行二次开发,结合一步走(You Only Look Once v3,YOLOv3)算法,设计并实现了舰船检测系统的训练模型。在装有Titan XP显卡的PC机环境下,对模型进行加速训练测试。利用项目提供的光学遥感图像制作训练数据集,用于舰船检测模型的训练,以提升模型识别准确率,经验证数据集验证该模型具有较高的平均检测精度。最后,将训练完成的舰船检测模型及检测系统软件移植到TX1嵌入式开发板,实现了舰船检测模块。对整个舰船检测系统进行测试,利用卫星传感器发送的光学遥感图像数据进行舰船检测,识别并标注出图像中的舰船目标。将系统进一步完善并加装于遥感卫星后,可大大提高舰船检测效率和卫星遥感图像数据链路带宽利用率,减少人工成本。该文设计的光学遥感图像舰船检测系统满足了项目的功能和性能需求。