摘要：[目的]针对交通密集的港口、船舶聚集的渔船作业区以及船岸混合交通场景等复杂环境,提出一种基于YOLO-FNC模型的船舶检测方法。[方法]首先,设计一种基于FasterNet思想的神经网络模块FasterNeXt,并将该模块替换YOLO模型中的C3模块,在不影响准确性的条件下确保运行速度更快。其次,将NAM注意力机制融入网络结构中,通过利用稀疏的权重惩罚抑制特征权重确保权重的计算更加高效。最后,提出新的边界框回归损失以加快预测帧调整并增加帧回归率,提升网络模型收敛速度。[结果]实验结果表明,在自建的复杂场景下船舶数据集进行检测实验,与YOLOv5s算法相比,所提方法的mAP@0.5提升6.35%,参数量减少9.74%,计算量减少11.39%。[结论]该检测方法有效实现了轻量化、高精度的船舶检测。