近年来,随着各国专注于对海洋资源的开发,无人艇作为一种能够自主航行、自主避障的新型智能海洋装备,逐渐成为领域内的研究热点。无人艇的自主航行与避障依赖于其环境感知能力,因此本文针对基于视觉的无人艇环境感知技术进行了研究,具体包括低对比度水面图像增强技术、水面目标检测识别技术以及模型压缩技术,详细内容如下:（1）在研究低对比度水面图像增强时,针对传统图像增强方法效果差、参数设置复杂的问题,提出了多层次的、由粗到细的图像增强方法,并设计了相应的轻量图像增强网络。针对目前图像增强网络需要大量配对训练数据的问题,提出了一种基于图像质量评估的无监督损失函数,可以在无参考图像的情况下对网络进行训练优化。实验证明了上述改进能够恢复图像更多的细节信息,表现更加自然,可以显著提高后续高级视觉任务在低光环境下的效果。（2）在研究水面目标检测识别时,针对将YOLO-v4算法引入到水面环境中易受岸端干扰、虚警率高的问题,在原网络基础上加入了水面上下文信息,提出了基于多尺度空洞卷积的局部上下文提取方法以及基于高效自注意力的全局上下文提取方法。实验证明改进后的网络能够提取水面目标与岸端干扰之间的差异特征,降低了检测虚警率,提高了水面目标检测识别效果。（3）在研究水面目标检测识别网络压缩剪枝时,针对现有方法通常基于不准确的启发式准则来确定滤波器重要性以及人工分配网络层压缩比的问题,提出了基于通道注意力的滤波器重要性评价方法,设计了可微的稀疏映射掩码层,可以自动对不重要的滤波器进行剪枝。设计稀疏约束函数,构造可微的剪枝搜索框架对整体进行训练优化。实验证明该剪枝方法能够在几乎不影响水面目标检测模型精度的情况下降低模型的内存和计算开销,使之能够在嵌入式设备上实时推理计算。