撞击坑对于了解月球地质和表面侵蚀率的演变等非常重要。我们使用预先训练的YOLOv5模型对嫦娥四号（CE-4）着陆区的部分区域进行了探测，发现这些撞击坑大多分布在20 pixel处，数量巨大。然而，这些小弹坑的形态特征很少，样本不平衡性很强。因此，我们提出了一种新的多尺度陨石坑检测算法（MSCDA），以提高月球撞击坑的检测精度，特别是对直径<1 km的小陨石坑。我们分别构建了三个独立的数据集，包括直径分别为0-70 m、70-140 m和>140 m的陨石坑。然后分别用这三个数据集训练出三个子模型。同时，我们设计了一种切片放大切片策略，以提高从小弹坑中提取特征的能力。为了处理冗余预测，我们提出了一种新的区域优先非最大值抑制算法（NMS_AF）来融合一个尺度子模型内重叠区域的结果以及多尺度子模型之间的结果。因此，我们的新策略只能在扫描时检测到所有规模的撞击坑。最后，我们得到了Precision、Recall和F1得分，分别为0.985、0.943和0.964。这表明我们新设计的MSCDA方法完美地解决了小弹坑特征较少和样本不平衡带来的问题。我们还评估了模型在不同射击条件下的泛化能力，并取得了相对较好的效果。我们的多尺度策略不仅可以用于探测月球陨石坑，还可以用于探测其他具有较少特征和样本不平衡问题的小物体。
 

深度学习,多尺度,撞击坑,嫦娥四号,自动检测