航母半实物仿真平台作为一种简单有效且直观的半实物仿真形式,长期以来都用于国内外航母舰载机的指挥调度推演,它可以为航母的设计提供重要的指导。在此平台中,舰载机以模型代替实物,其高效准确的识别定位关系到整个仿真平台的运作。因此,如何实现一个精准性高、实时性强的舰载机模型识别定位系统是亟需解决的问题。本文首先根据航母半实物仿真平台的特点提出了识别定位的总体方案,将总任务拆分为目标检测、编号识别、多相机结果融合三个环节来完成,接着对图像采集模块的硬件进行了分析和选型,完成系统的硬件布局和软件设计;其次,在分析主流目标检测算法后选择YOLOv3作为目标检测的基础算法,并完成了舰载机模型检测算法的设计;然后,基于舰载机模型目标检测的结果完成了对其编号的识别;最后,利用Visual Studio 2019和Open CV 3.4.0等工具,结合坐标转换、相机标定等技术,实现了基于视觉的舰载机模型识别定位系统。本文的主要研究内容和创新点如下:（1）针对本课题对于舰载机模型方向角度的检测需求,在YOLOv3的基础上加入方向角度预测,使用具有角度损失的多任务损失函数,实现舰载机模型的方向角度预测;考虑到原网络在面对本课题场景时存在的网络冗余问题,精简其网络结构,提高检测速度;针对同一或相似型号舰载机模型差异较小的问题,加入新的检测尺度来提高检测的细粒度;为了进一步提高位置预测的精准性以及收敛速度,使用DIo U指标代替原算法的Io U指标来计算边框损失;针对自建数据集样本数量少的问题,应用迁移学习对模型进行预训练,提高模型的泛化能力。实验表明,本文所改进的YOLOv3算法可将舰载机模型检测的m AP提高9.5%,检测速度提高5%。（2）为解决舰载机模型编号识别中单个分类器识别准确性不佳的问题,结合结构特征与统计特征优势互补的特点,设计了任意旋转数字的多级分类器。实验表明,该设计可将舰载机模型编号识别的识别率提高14.57%,可靠性提高8.12%。（3）针对舰载机模型编号识别可能出现的拒识和误识问题,通过对识别结果进行后处理尽可能提高识别的可靠性。