智能水炮作为一种驱逐性警械装备在国内外海警舰艇上得到了广泛应用。现阶段智能水炮计算落点时存在射流与背景边界分割模糊、落点计算方法不合理,导致实际水炮对目标的自动射击出现精度偏差的问题。为了快速准确的分割出射流轨迹,本文以轻量级网络MobileNetV2为骨干网络,提出了混合空洞卷积MobileNetV2模型。该模型在MobileNetV2网络的基础上添加混合空洞卷积来获取上下文信息;并添加了三个连续的卷积层来编码丰富的空间信息;在解码器模块将编码的上下文信息与空间信息合理融合。通过实验验证,在分辨率为960×540的数据集上,本文方法平均分割一帧的时间为31ms,相比于Deeplab V3+网络快了11ms,平均交并比（Mean Intersection over Union,m Io U）达到78.16%,相比于原始MobileNetV2网络提高了7.34%。为了适应实际应用中的复杂场景变化,本文提出了一种新的落点计算方法。首先认定射流与打击物体（水面或目标）之间重合的区域即为射流落点所在的区域;其次根据射流打击状态和分割结果的不同使用组合策略计算射流落点。通过设计射流数据集中人工标注的落点与本文方法计算出的落点对比实验,在交并比（Intersection over Union,m Io U）指标上进行了评估,实验结果显示,本文方法计算出的落点与人工标注落点比在射流未击中目标、射流完全击中目标与射流部分击中目标的过程中交并比分别达到80.72%、88.63%、89.21%。为了更好的验证本文提出的射流分割和落点计算方法的实用性,本文在校内搭建了一套小型但完整的智能水炮实验平台。通过使水炮载体和待打击目标分别处于运动和静止两种不同的状态来模拟实际应用中的复杂场景,并在射流打击目标时通过不同设备采集实验所需数据集。使用本文射流分割的方法在该数据集上训练后,再结合本文落点计算方法组成智能水炮的视觉反馈模块应用到智能水炮平台上。在实验平台上的验证表明,本文射流分割和落点计算组成的视觉反馈模块完善了智能水炮的闭环控制功能。本文通过对射流轨迹分割和射流落点计算进行研究,并将研究结果应用于智能水炮系统实现了水炮的闭环控制。通过实验验证了本文方法能使水炮自动调节,达到了持续打击目标的效果,实现了水炮打击目标的智能化、自动化。