近日，我室杨劲松研究员团队在国际遥感领域TOP期刊IEEE Transactions on Geoscience and Remote Sensing上发表了题为“TransOilSeg: A Novel SAR Oil Spill Detection Method Addressing Data Limitations and Look-alike Confusions”的研究成果。论文第一作者为我室与上海交通大学联合培养的研究生柴昱，通讯作者为杨劲松研究员和郑罡研究员，合作者包括我室与上海交通大学联合培养的博士生韩心海、自然资源部第二海洋研究所研究生王译启、我室与浙江大学联合培养的博士生罗丹和我室陈鹏正高级工程师。

海洋溢油事件对生态环境与人类健康构成重大威胁。合成孔径雷达（SAR）因其全天候的优势成为海洋油膜监测的重要手段。然而，当前SAR油膜检测方法在数据量有限、数据质量低、以及油膜与似油膜（如低风速区和生物油膜等）易混淆的情况下，识别精度受到显著制约。

为突破这些瓶颈，团队创新性地提出了TransOilSeg方法，通过迁移学习组件（Transfer Learning Component, TLC）与自适应注意力混合编码器（Adaptive Attention Hybrid Encoder, AAHE），有效提升了SAR图像油膜检测精度和泛化能力。

TLC利用大规模通用数据集预训练，随后通过梯度聚合算法在小样本SAR数据集上进行精细训练，从而有效克服了数据量有限和噪声影响的挑战。AAHE模块则结合卷积神经网络与多头注意力机制，能够精准捕捉局部细节与全局上下文信息，可以有效区分油膜与似油膜。

图1 TransOilSeg方法体系结构示意图

实验表明，TransOilSeg在主流M4D数据集上实现了油膜检测精度（mIoU）达到61.38%，超出当前最优方法5.28个百分点；同时在油膜和似油膜的区分上达到62.41%的mIoU表现，显著提升了油膜检测的可靠性。此外，该方法在不同特性的多源数据间迁移时表现出卓越的鲁棒性与适应性。

图2 模型在M4D数据集上的典型油膜检测结果示意

这一研究成果不仅为SAR图像油膜检测提供了新的技术路径，也进一步推动了遥感技术在海洋环境监测中的实际应用。后续研究将继续优化模型性能，推动油膜检测技术向更高精度、更广适用性方向发展。

论文引用：Y. Chai et al., "TransOilSeg: A Novel SAR Oil Spill Detection Method Addressing Data Limitations and Look-Alike Confusions," in IEEE Transactions on Geoscience and Remote Sensing, vol. 63, pp. 1-16, 2025, Art no. 5206216, doi: 10.1109/TGRS.2025.3542810.