【摘要】针对翻车机摘钩复钩作业过程中存在的人工作业安全隐患及效率低下问题，本文设计了基于深度学习及机器视觉的自动化摘钩复钩系统。该系统通过 YOLOv5s 深度神经网络实现车钩目标检测，采用改进的 ICP 算法完成 3D 点云空间定位，结合 EPnP 与 RANSAC 方法实现稳定的姿态估计。优化设计的末端执行器采用 7075-T6 铝合金材料，具备 ±5mm 高精度定位能力。现场应用数据表明：该系统摘钩成功率达 99.2%，正钩成功率 99%，复钩成功率 98%，平均作业时间 8.7s，较传统人工作业效率提升 29.3%。优化后执行器质量减轻 28.9%，最大应力 185MPa，最大变形 0.42mm，能耗降低 18%，在 -30℃～ 50℃温度范围内保持稳定性能，为电厂自动化运营提供了可靠支撑。