在人们对太空领域进行探索与利用的同时,空间技术迎来了长远的发展,出现了新的空间技术需求,例如空间站的维修、卫星回收、释放以及维护等。此外,在经历了近一个世纪频繁的太空活动之后,空间中充斥着很多太空垃圾,它们对未来的航空航天存在很大的威胁。另外,航天器所使用的宇航级CPU工作环境恶劣,面临宇宙辐射以及超过300摄氏度的温差的挑战,故宇航级CPU发展缓慢,现今国内外使用的宇航级CPU计算能力普遍低下,因此如何在保证检测精度的情况下,实现轻量化的目标检测算法成为了在轨服务领域的重点。所以本文以空间非合作目标的追踪为背景,以空间非合作卫星为目标,设计了轻量化高精度的目标检测算法。首先,针对航天器计算资源严重不足的问题,我们对YOLOV5算法进行轻量化改进,使用融合了Res Net与CSPNet结构的Mobile Net V1网络作为主干网络,并使用深度可分离卷积替换检测头中传统卷机得到YOLOV5＿DW＿RES＿CSP模型,在模型大小与计算量缩减一半的情况下保证了模型检测精度其次,为了验证本课题所提算法在空间在轨服务领域的可行性,我们提出基于YOLOV5＿DW＿RES＿CSP模型以及KCF目标追踪算法的六自由度UR5视觉伺服系统。系统分为目标检测、目标追踪以及机械臂跟踪三个模块,目标检测模块算法在我们构建的深空目标数据集完成训练后完成目标位置信息的初步检测,目标追踪模块在目标初始位置信息基础上进行追踪,获取目标的实时位置信息,机械臂跟踪模块以目标实时位置信息为输入进行路径规划并实现机械臂运动控制。最后,搭建了地面模拟环境,完成完整机械臂视觉伺服系统的构建,并对实现的系统进行了实验验证。实验结果表明,系统各模块性能达到标准,系统整体运行流畅,加入了目标检测与目标追踪的本课题实现的视觉伺服系统更加智能,更加高效。