摘要:针对靶场工作中人工采集数据效率低、精度差的问题,提出基于图像识别的自动检靶技术,以取代传统人工破片分布统计方法。破片靶孔存在形态多样、分布密集、背景复杂等特性,叠加靶板锈蚀和风化等噪声干扰,导致边缘轮廓分割精度受限,为此提出金属靶破片靶孔分割模型(YOLOv8-Target plate Fragment perforation Segmentation,YOLOv8-TFS)。在YOLOv8n-seg模型的基础上,增加微小靶孔检测层以提升模型对于不同尺寸靶孔的特征提取能力;优化跨阶段链接的特征融合网络结构;引入双通路自适应特征加权特征融合模块,强化特征表达并抑制背景噪声;设计多路径感受野注意力分割头,提高模型对靶孔特征的整合输出能力。试验结果表明,YOLOv8-TFS模型在自制数据集上的掩码精确率、召回率和mAP@0.5%分别达到85.2%、74.3%和73.8%,较原始模型分别提升11.6%、10.9%、9.0%,有效提高了靶孔分割的准确性。基于分割结果构建的自动检靶系统,通过空间矩计算与坐标转换实现靶孔面积及质心坐标的精确解算。与人工检靶相比,数量平均绝对偏差为1.07个,面积偏差控制在5%以内,验证了检靶方法的可靠性与高精度特性,为战斗部毁伤效能评估提供了高效的技术支撑。