Este estudio propone una técnica de detección de objetivos de sonar de barrido lateral para CPU o GPU de bajo rendimiento para cumplir con el requisito de detección de objetivos submarinos. Para rectificar la distribución de grises de los datos originales de sonar de barrido lateral, mejorar la segmentación de imágenes y proporcionar la probabilidad de distribución de datos para el algoritmo de agrupación, la metodología utiliza una técnica clásica de procesamiento de imágenes que es compatible con GPU. Se utiliza la técnica de agrupación adaptativa Finch modificada para segmentar la imagen y eliminar los vacíos de la imagen después de evaluar los atributos de la imagen procesada. Luego, la información posterior se utiliza para aplicar una etiqueta de clasificación a cada píxel. Las características de la región conectada se analizan en la reproducción de datos del experimento Tuandao de acuerdo con el principio de imagen de sonar de barrido lateral y las características originales de forma y tamaño del objetivo. Los resultados de los objetivos predichos se combinan con la información de navegación del AUV para obtener la información de longitud y latitud del objetivo predicho, que luego se envía al sistema de control maestro del AUV para guiar el próximo plan. Los resultados de la prueba en el mar de la Bahía de Jiaozhou demuestran que el algoritmo de detección de objetivos tradicional propuesto en este documento puede integrarse en un GPU de bajo rendimiento para detectar objetivos y localizarlos. La precisión y velocidad de detección muestran un rendimiento sólido, y se hace posible la detección de sonar autónoma en tiempo real.