تعاني صور الاستشعار عن بعد من تغيرات كبيرة في مقياس الأهداف، وتوزيع مكثف للأهداف، والتشابه بسهولة بين الكائنات، وتعقيد الخلفية وتداخلها، بالإضافة إلى نقص في تفاصيل الصورة. غالبًا ما تتسم خوارزميات الكشف عن الأهداف الدورانية الحالية بعبء حسابي مرتفع، ولا تزال هناك مساحة لتحسين الدقة. لمعالجة هذه المشكلات، قامت هذه الدراسة بتحسين كاشف YOLOv9 الرائد الحالي، وطورت كاشف أهداف دورانية فعال ودقيق في صور الاستشعار عن بعد يسمى RSO-YOLO (YOLO لصور الاستشعار عن بعد مع صندوق محدد موجه). أولاً، تم استخدام وحدة تعزيز بيانات مساعدة لصور الاستشعار عن بعد منخفضة الإضاءة لتحسين المشاكل المتعلقة بالإضاءة الخافتة، والضوضاء، والضبابية، وضعف التباين؛ ثانيًا، تم تصميم رأس توقع زاوية مفكك، مما منح الخوارزمية القدرة على إدراك اتجاه الأهداف في صور الاستشعار عن بعد؛ ثالثًا، تم إدخال خسارة KFIoU (تقاطع منتظم كالمان) المستندة إلى فلتر كالمان لمعالجة مشكلة دورية الزاوية في تمثيل الأهداف الدورانية، واستخدام خسارة DFL (خسارة البؤرة التوزيعية) لتعلم توزيع الإطارات الحدية الدورانية، مما يقلل من مشكلة عدم دقة الزوايا للأهداف شبه المربعة في طريقة نموذجة غاوس؛ رابعًا، تم إنشاء استراتيجية تخصيص ديناميكية للتسميات للكشف عن الأهداف الدورانية، حيث تم مراعاة كل من تقاطع الاتحاد (IOU) ودرجات الفئة أثناء عملية التخصيص، لبناء فضاء عينات يعكس خصائص الأهداف بشكل أفضل؛ وأخيرًا، تم استخدام ProbIoU (تقاطع اتحادي احتمالي) المستند إلى مسافة هيلينجر لعملية القمع غير القصوى، لتقليل العبء الحاسوبي للقمع غير القصوى. تم التحقق من كاشف RSO-YOLO المقترح من خلال التجارب على مجموعة بيانات DIOR-R العامة، وقورنت نتائجه مع عدة طرق نمطية للكشف عن الأهداف الدورانية. أظهرت النتائج أن طريقة RSO-YOLO المقترحة تحقق دقة كشف شاملة تصل إلى 81.1% من متوسط الدقة (mAP) وتحتل المركز الأول، مع ضمان الكشف في الوقت الحقيقي. علاوة على ذلك، أدى استخدام وحدة تعزيز البيانات المساعدة إلى تحسين بنسبة 1.5٪ في mAP. في الختام، تجمع طريقة RSO-YOLO المقترحة بين سرعة ودقة الكشف عن الأهداف الدورانية، ولديها قيمة عملية وإمكانات تطبيقية في مشاهد الاستشعار عن بعد مثل مراقبة البحار والمطارات، إدارة المدن، تقييم الكوارث، والتفتيش الزراعي والغابي، كما توفر حلاً نمطيًا قابلاً لإعادة الاستخدام للأبحاث المستقبلية في الكشف الدوراني تحت ظروف الإضاءة المنخفضة وخلفيات معقدة.

التعلم العميق;الكشف عن أهداف الاستشعار عن بعد;الإطارات الدورانية;تعزيز البيانات;استراتيجية مطابقة عينات سلبية وإيجابية موجهة للإطارات الدورانية;توزيع غاوسي ثنائي الأبعاد