目标识别技术通过对图像中目标的精准检测与分类，实现了对复杂环境中关键信息的智能感知与深度解析，广泛应用于安防监控、自动驾驶、工业检测及海洋探测等关键领域。随着我国“海洋强国”战略的深入推进，水下视觉场景的智能分析逐渐成为技术发展的重要方向。作为水下环境感知的核心环节，目标识别技术有助于实现水下目标的实时监测、环境评估与资源管理，在维护海洋生态安全和推动海洋经济发展方面发挥着不可替代的作用。

然而，水下环境常伴随光照不足、水质浑浊、颜色偏移及目标形态复杂等问题，严重制约了传统识别方法的准确性与鲁棒性。针对这些挑战，我们团队结合物理成像模型与深度学习技术，聚焦于多尺度特征融合、跨域干扰信息挖掘以及任务协同优化等关键技术方向，积极推进算法创新。通过构建高效的深度神经网络架构，实现了在多种尺度和复杂干扰条件下的目标精准识别与定位，显著提升了模型在水下复杂环境中的适应性与检测性能，为智能水下探测和海洋资源开发提供了坚实的技术支撑。

     文章：" CIDNet: Cross-Scale Interference Mining Detection Network for underwater object detection" DOI: 10.1016/j.knosys.2025.113902