El Internet de las Cosas (IoT) ha surgido como un tema popular tanto en la investigación industrial como académica. Los dispositivos IoT suelen estar equipados con capacidades de respuesta rápida para garantizar una comunicación y interoperabilidad fluidas, mostrando un potencial significativo para tareas de monitoreo del tráfico marítimo y seguridad de la navegación basadas en IoT. Sin embargo, esto también presenta importantes desafíos para los sistemas de vigilancia marítima. La diversidad de dispositivos IoT y la variabilidad en los datos recopilados son sustanciales. La detección visual de barcos es crucial para las tareas marítimas, pero debe enfrentarse a desafíos ambientales como la neblina y las olas que pueden ocultar detalles de los barcos. Para abordar estos desafíos, proponemos un transformador de selección de consultas adaptativas (AQSFormer) que utiliza codificación de posición rotacional bidimensional para el posicionamiento absoluto e integra posiciones relativas en el mecanismo de autoatención para superar la insensibilidad a la posición. Además, el módulo de atención deformable introducido se centra en los bordes de los barcos, mejorando la resolución del espacio de características. El módulo de selección de consultas adaptativas garantiza una alta tasa de recuperación y una alta eficiencia de procesamiento de extremo a extremo. Nuestro método mejora la precisión promedio a 0.779 y logra una velocidad de procesamiento de 31.3 cuadros por segundo, mejorando significativamente tanto las capacidades en tiempo real como la precisión, demostrando su efectividad en la detección de barcos.