随着现代科技的发展,越来越多的研究人员对目标检测领域产生了兴趣,目标检测在机器视觉等领域占据至关重要的地位。在军事和民用领域中,如何实现对飞行目标的自动识别与精准定位一直是亟待解决的问题。得益于目标识别和检测技术的发展,使得以深度学习算法为基础的实时飞行目标的识别和检测成为了可能。本文设计了一套针对天空中飞机的识别定位系统,方案设计采用深度学习方法来完成飞机目标识别和检测。本文结合实际使用场景以及软硬件调试平台,搭建了一套体积小、实时性好、识别率高的飞机识别定位系统。本文的主要研究内容如下:（1）本文主要分析了飞机识别定位系统的指标和需求、硬件平台、软件设计方案、实现功能这四部分。本文采用了模块化设计的方案,将硬件平台划分为图像采集模块、飞机定位模块和数据处理模块,在软件上将系统划分成数据集制作、检测器训练、飞机识别、飞机定位和数据传输五个模块,提高系统的可扩展性。（2）本文以卷积神经网络为基础,提出了多尺度卷积神经网络算法,能够快速准确地识别飞机。本系统通过自制的数据集来训练飞机检测器模型,以检测器模型为基础,将三帧差分法、图像分割与单向多分类检测算法相结合,定位出目标在图片中的位置,然后根据目标位置切割出合适尺寸的图像,最后加载检测器模型来识别目标。该算法避免了图像压缩对图片质量和目标识别造成的影响,能够准确地识别图像中的目标,提高了系统的性能。（3）本文根据系统方案设计了系统的硬件平台和软件部分。系统的硬件平台由基于相机的图像采集模块、基于嵌入式神经网络处理器的数据处理模块以及基于角度传感器和全球定位系统的飞机定位模块构成。系统的软件部分划分成数据集制作模块、检测器训练模块、飞机识别模块、飞机定位模块和数据传输模块。各模块之间采用传输控制协议和串行线路网络协议来传输数据,设计了一套上位机软件来显示处理结果。（4）本文配合上位机软件进行飞机识别模块和飞机定位模块的测试,测试结果以图像的形式呈现。大量测试结果表明本文设计的系统性能好,具备对空中目标进行实时检测和定位的能力。