随着人类对太空的不断探索,出现了各种例如装配、维修等在轨服务的需求,以及空间碎片影响轨道资源的有效利用等问题。在轨服务需要首先对空间目标的典型部件进行检测,本文针对太空应用场景,展开了基于视觉的空间目标典型部件检测方法研究,具体内容包括:（1）针对空间目标图像获取难度大的问题,本文设计了基于三维模型的空间卫星图像渲染生成方法。本方法使用3ds Max渲染软件对公开的卫星三维模型添加材质、光照等,并使内置的物理相机运行在模拟星载平台绕飞目标星的运行轨道上对三维模型进行成像,获得空间目标图像。（2）针对现有可用的空间目标数据集的规模小,无法用于训练目标检测网络以获得检测性能优秀的模型的问题,本文提出了基于循环生成对抗网络的空间卫星图像生成方法以实现数据集的扩增。本方法使用由3ds Max渲染软件渲染得到的图像组成数据集用于循环生成对抗网络的训练,训练完成后把未经渲染为空间目标图像风格的图像作为网络的输入,输出即为具有空间目标图像风格的图像。实验结果表明本文提出的方法能实现对现有数据集的规模进行有效扩增。（3）针对星载平台在不同距离位置绕飞目标星的过程中,目标星的三角架、对接环和喷管等典型部件在远距离时尺寸较小,特征不明显,不易于被正确检测的问题,本文提出了基于特征融合和注意力机制改进的目标检测方法。本方法对浅层特征和深层特征进行了特征融合,并且在目标检测算法的特定位置设置了注意力机制,更好得挖掘有利于目标检测的特征。采用本文自建的空间卫星数据集和少量真实的空间卫星图像进行实验,实验结果表明本文方法能够有效得检测出图像中的三角架、对接环和喷管,并且在检测性能得到提升的同时不影响检测的速度。（4）在上述方法的基础之上,本文开展了地面模拟实验的验证。采用等比缩小的嫦娥二号模型模拟不同光照、不同姿态下对目标进行成像,采用本文提出的方法进行典型部件检测实验,实验结果表明本文提出的目标检测方法能够有效的实现对三角架、对接环和喷管的检测。