【摘要】当今，图像识别依旧是炙手可热的话题。随着科技的不断进步，图像视觉系统在各行各业的应用逐渐普及。翻车机系统全自动化的首要任务就是摘钩机器人视觉系统的设计，能否准确地识别目标，并且持续地跟踪目标是其重中之重。因为视觉跟踪识别是处理非线性的数据，即目标对象和背景均随着时间的变化而变化，但是目前大多数算法往往通过提取目标的不变的特征，而且仅能在短持续时间和较好的实验环境下才能够跟踪对象。由于跟踪任务目标的外观或跟踪目标的周围环境并不固定，这些算法往往难以准确地跟踪任务目标。又因为跟踪目标的特殊性和不确定性，采用一种鲁棒性强的算法是必要的。本文基于 YOLO-V2 的目标检测算法，针对车钩手柄的追踪识别调整了内部的算法，针对性地优化其损失函数，在不同的环境、气候下，算法模型的抗干扰性、准确性有了显著的提升，在光照强度剧烈变化时的车钩捕捉识别分割能力仍然稳定；通过增设残差网络进一步捕捉关键特征像素点，最终经多重卷积并组合其各类特征，快、准、稳地实现车钩的识别。