航空航天行业零部件种类繁多、定制化程度高，难以进行定位夹具的开发。视觉定位技术是智能制造中的 关键一环，该技术基于机器视觉确定工件位置，不需要定位夹具，能够被广泛运用于各种工况。但现有视觉定位算法 只适用于少数种类的零件，泛用性不高。本文提出了一种基于YOLOv5s 目标检测网络和Siamese 孪生网络的新型 视觉定位算法（YOLO–Siamese 变化检测网络）。网络引入ConvDiff（卷积差分）模块来提升变化检测网络的特征 提取效果，并采用半监督学习方法对模型进行训练。试验表明，在没有使用目标工件数据集的条件下，算法在验证集 上的AP@0.5达到了99.3%，AP@0.5 ：0.95 达到了89.6%，单帧推理时间为16.13 ms。该算法无需目标工件数据、定 位精度高、运算速度快，提高了视觉定位算法的鲁棒性和泛用性。
