随着人工智能技术的不断提高,具有视觉能力的机器人在军、民用领域的需求不断增多。目前的机器视觉平台以单目探测系统构架为主导,这种结构的探测系统视场范围较小,无法对大范围环境进行完整的视场覆盖与全面的图像捕捉,导致其探测灵活度较低。同时现阶段配合机器视觉平台的目标识别算法主要由人工目标特征定义与匹配法实现,该方法在定义目标特征环节经常会因人为误差导致识别精度下降,且对于复杂目标几乎无法进行精准定义。所以单目探测系统与人工定义特征匹配目标识别算法均不适用于现代机器视觉的使用环境中。为解决以上问题,同时提高机器视觉系统的探测范围与目标识别能力,通过对昆虫复眼结构的研究与神经网络的搭建,设计了一种基于深度学习的仿生复眼目标识别探测系统。系统通过多孔径拼接成像的方法在大范围内采集目标物图像信息,整合信息后利用以压缩的YOLO V3深度卷积神经网络为主体算法进行目标识别,同时采用KCF目标跟踪算法对识别的目标物进行锁定,完成对目标物的实时识别与跟踪。通过实验证明,系统能够在较大的视场范围内对目标进行识别与追踪,解决了以往单目探测系统图像捕捉范围窄、灵活性差的问题。同时将图像特征匹配算法与卷积神经网络进行联合,即保证了目标识别率与识别灵活度,使系统能够针对多种目标物进行学习与识别,同时减小了神经网络框架对计算环境的占有空间,为可附加的路径规划、目标定位等后续算法提供支持。