1.一种针对南极海域合成孔径雷达图像的冰山检测方法，其特征在于，包括以下步骤：

（1）获取南极海域SAR图像数据，筛选纬度为40°S‑90°S的Level‑1 SLC产品，数据模式为Wave Mode，极化方式包括HH和VV；SAR数据预处理包括：归一化处理雷达截面σ0计算公式为：；

其中DN表示雷达接收的原始信号强度，K表示校准常数；对标注数据集按比例随机划分为训练集、验证集和测试集；

（2）对SAR图像进行人工标注，结合地理位置信息、形状及纹理特征进行目视解译，生成COCO格式的南极冰山标记数据集； 人工标注包括：基于合成孔径雷达SAR遥感影像，沿冰山轮廓绘制像素级边界框，确保覆盖冰山主体及边缘碎冰区；结合雷达散射、纹理和形状排除虚警目标；

（3）构建级联卷积神经网络模型IB‑Detector，包括：分类模型：由Stem层、Inception层和全连接层组成，其中Inception层采用多组并行不同尺寸卷积核的Inception模块，用于提取多尺度特征；检测模型：由主干层、颈部层和头部层组成，主干层包含C3k2模块，颈部层融合多尺度特征，头部层集成CBAM注意力机制，结合通道与空间注意力提升检测精度；使用标记数据集训练级联模型，将分类模型输出作为检测模型输入；包括以下步骤：步骤3.1: 分类模型，其输入到输出的完整流程如下：输入层尺寸299×299×3首先经过Stem主干结构由多层3×3卷积与池化操作组成，逐步降维至35×35×192特征图，随后进入3组Inception‑A模块通过多分支并行卷积重复堆叠3次，将通道数扩展至256，在此之后连接第一个辅助分类器位于第11层后；接着通过5组Inception‑B模块采用非对称分解卷积技术重复处理5次，通道数提升至512，并接入第二个辅助分类器位于第17层后；之后进入2组Inception‑C模块进一步融合多尺度特征，通道数扩展至1280，最后经全局平均池化层将特征压缩为1×1×2048维度、Dropout层防止过拟合及全连接分类层输出Softmax概率；整个过程通过模块化堆叠、多尺度特征融合与辅助分类监督实现高效的图像分类任务；

步骤3.2: 检测模型，输入为分类模型输出的类别图像，整体结构依次为：Backbone主干网络以多阶段下采样与特征强化为核心，首先通过两层步长为2的3×3卷积通道64→128快速实现4倍下采样，随后堆叠2次C3k2模块通道256提取中级特征并进一步下采样至P3/8；

继续通过C3k2模块通道512和卷积下采样生成P4/16与P5/32深层特征，并在P5后引入CBAM注意力模块重复2次，增强全局上下文感知；Head检测头采用双向特征融合策略，先对P5上采样并与P4拼接，经C3k2模块通道512→256细化生成P3/8小目标特征，再对P3下采样后与P4、P5特征逐级拼接，通过C3k2模块通道512→1024优化中/大目标检测层，最终由Detect层整合P3‑P5多尺度特征，输出检测结果；

（4）利用测试集评估模型性能，输出冰山位置、轮廓及面积信息。

2.一种用于实现权利要求1所述方法的系统，其特征在于，包括：

数据采集模块，用于筛选并预处理南极海域Wave Mode SAR数据；

标注模块，用于生成COCO格式的冰山标记数据集；

级联模型训练模块，用于联合优化分类模型与检测模型；

评估模块，用于输出检测结果的精确率、召回率及F1分数。

3.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述方法的步骤。

4.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1所述方法的步骤。