随着月球与深空探测任务不断向自主化、智能化发展，探测器需要在远距离通信时延、有限计算资源及复杂未知环境等约束下，实现高价值科学目标与机会事件的自主发现、智能辨识和快速响应。然而，深空科学探测普遍面临高价值目标样本稀缺、星载计算资源受限以及智能算法任务效能难以验证等挑战，制约了智能感知技术的工程应用。针对上述问题，围绕月面科学兴趣目标智能选取、太阳科学事件智能感知及地面综合验证，开展了空间智能探测与信息处理关键技术研究。在月面科学兴趣目标智能选取方面，针对真实样本稀缺、复杂光照条件下目标特征不显著及模拟与真实场景存在域差异等问题，研究了融合真实探测数据、拟实场景数据与风格迁移的数据集构建及模型训练方法，提升科学兴趣目标的辨识与跨场景适应能力；针对宇航计算资源约束，研究了目标智能辨识、双目深度估计与光谱物理分析等异构算法的差异化轻量化设计与协同运行方法，构建了科学兴趣目标自主发现、空间定位、载荷引导与光谱分析相结合的智能探测技术方案。在太阳科学事件智能感知方面，研究了面向日冕物质抛射、耀斑、冕洞及活动区等典型科学事件的在轨智能辨识方法，提出了多类科学事件协同检测与科学事件快报生成机制，实现高价值科学信息的快速提取与分层传输。在智能探测验证方面，针对传统算法测试难以反映实际任务执行效果的问题，构建了具有拟实环境与高精度真值测量能力的地面试验条件，提出了涵盖算法级、载荷级、平台级和任务级的多层级协同验证方法，实现智能算法性能、空间定位精度、载荷协同误差与任务执行效果的关联评价。相关技术成果已应用于嫦娥八号巡视器智能选样单元和夸父二号目标自主识别单元研制，形成了从智能算法研究、星载适配到地面综合验证的技术体系，为月球与深空探测任务中高价值科学信息的自主获取与高效利用提供了技术支撑。

深空探测,智能感知,科学兴趣目标,机会事件检测,星载智能处理