针对水下机器人搭载平台进行深海遗迹探寻所面临的数据样本缺乏、采集图像模糊、嵌入式系统计算能力有限的问题,分别在数据增强、视频增强和目标检测算法压缩等方面提出了有效的解决方案。首先,利用数据增强提高小样本数据的泛化能力,通过迁移学习进行知识迁移,加速模型收敛;然后,基于结构相似性对采集视频进行关键帧图像选择,采用限制对比度直方图拉伸对选择后的关键帧进行实时图像增强;最后,基于多粒度剪枝策略对YOLOV4进行通道和卷积层的双向压缩。实验结果表明,压缩后的YOLOV4模型运算复杂度(BFLOPS)降为10.588,在Jetson TX2嵌入式图像处理器上,对大小为640pixel×480pixel的输入图像的平均检测速度可以达到18.2frame/s。