现如今高速发展的智能化生产领域中,目标检测算法逐渐成为许多计算机视觉研究中的重要课题。基于深度学习理论的目标检测任务旨在帮助人类能够高效且快速的找到需要定位的物体,便于能够更加准确地分辨物体的各种不同状况。现代航空发动机内部凸台部位的检修工作存在着很大的难点。针对航空发动机内部凸台部位检测问题,本论文利用目标检测SSD(Single Shot MultiBox Detector)算法模型进行定位检测,并通过嵌入式以及多种外设硬件设计了一套内窥镜式目标检测系统用以配合检测算法进行定位。本论文首先以树莓派为主要控制单元,结合CSI摄像头、舵机和操控杆传感器搭建好了凸台数据采集单元,可以实现不同的方位以及任意角度的采集过程。然后介绍该算法的工作原理、网络架构以及主要突出改进,分析得出SSD算法模型的优缺点。通过联系本论文中待检测的特殊目标,从而提出以下改进:1、通过图像增强策略以及数据增强策略来对采集得到的凸台数据集进行处理,使得凸台的各类边界信息以及细节能够更好的表现出来,增加数据集的多样性。将处理后的数据集送入到检测算法中可以有效的避免拟合现象,并且可以提高模型对于凸台的检测精度。2、改进SSD算法模型的网络架构,采用更底层的卷积层产生的特征图上进行目标的检测工作。由于网络模型对于输入图像的不断卷积,特征图的大小在不断的缩小,使得目标上的各类有用信息也在不断被缩减,因此提出利用更底层的特征图进行凸台的目标检测任务。3、提出利用k均值聚类分析算法分析处理用于训练的凸台数据集。寻找到数据集中的内部联系,计算得到合适的凸台标记框的尺寸大小,用以修改算法模型中生成预测框的尺寸比例。