地面背景下的红外目标检测是伪装防护、精确制导等领域的关键技术。针对现有基于深度学习的目标检测模型对地面背景下红外目标进行检测时容易受到复杂背景干扰、对目标关注不足，从而导致检测准确率不高的问题，文中提出了一种基于并行注意力机制的地面红外目标检测方法。首先，利用卷积和注意力并行的下采样方式，在降低模型的空间复杂度和提升训练速度的同时，对目标特征进行聚焦和关注；其次，对主干网络提取的多尺度特征进行融合，通过不同尺度信息的复用与互补抑制背景信息的干扰，提升目标检测的准确率；最后，利用焦点损失函数和CIOU损失函数提高模型的分类与回归精度。实验结果表明，在Infrared-VOC数据集上该模型的平均检测精度为82.2%，比YOLOv3提高了6.9%，同时模型的空间复杂度仅为YOLOv3的32.6%，训练时间为YOLOv3的43.7%，实现了模型训练效率和检测精度的提升。

由于红外图像本身缺乏纹理信息，多数目标检测网络针对红外图像难以达到理想的检测效果，该方法提出了一种跨域融合网络结构，结合多个模态进行红外目标检测。首先，采用无需成对的图像转换网络，对已有的红外数据集进行模态转换，生成伪可见光数据集；然后，提出了红外域和伪可见光域双通道的多尺度特征融合结构，采用特征金字塔网络获取每个模态的特征图，对多尺度特征进行双模态特征融合；最后，为了弥补融合过程中的纹理缺失，提出软权重分配模块，通过拼接参数化后的源域、目标域和融合域特征，自适应分配和优化网络权重，从而提高特征提取与目标检测的精度。与常规方法相比该方法方法具有更好的红外目标检测性能。

针对红外载荷在轨服役期间低温目标的红外辐射探测需求，提出一种真空条件下的低温红外辐射测量方案，并研制了测量装置。测量装置主要由低温红外光学系统、低温机械结构、低温红外探测系统及微弱信号处理系统构成。低温红外辐射经过光学系统会聚到探测器像面，锁相放大器利用相干检测技术将目标信号提取，完成低温红外辐射的测量。测量装置研制完成后，在真空仓内使用标准黑体辐射源，在198 K～423 K温度范围内进行了低温红外辐射定标试验，取得了有效的试验数据，测量不确定度在5%以内。该文提出的真空条件下低温红外辐射测量技术可为在轨空间红外载荷低温红外目标探测设计提供重要数据支撑。