在军事武器力量改革创新日益发展的今天,靶场作为军事训练中最重要的环境,利用高精度的自动报靶系统来增强军事训练效率的必要性也愈发突出。现有的利用声音信号、利用GPS（Global Positioning System）等进行弹着点定位的算法存在鲁棒性差、定位效率低、资源冗余等问题。利用图像信号进行弹着点定位,该方法对环境的要求低、设备安装方便、算法的鲁棒性高。随着人工智能的发展,深度学习的技术的应用也愈发广泛,本文利用基于深度学习的显著性目标检测算法,结合双目视觉定位系统,对靶场的弹着点定位坐标进行研究。本文以图像弹着点的像素坐标与真实弹着点的坐标关系为切入点,建立基于显著性目标检测的双目视觉定位算法。首先,基于图像弹着点像素坐标部分,本文利用显著性目标检测网络进行炮弹火焰的显著区域提取,根据算法对炮弹火焰内部检测精度和检测速度的要求,在原有的显著性目标检测网络中引入注意力机制、金字塔池化模块、深度可分离卷积对模型进行改进,提高显著图的检测精度与模型的推理效率;其次,利用显著图预处理模块对显著图进行图像弹着点坐标提取,并选取合适的相机数据进行后续的弹着点坐标计算;最后,利用基于成像角度的双目视觉系统,根据图像弹着点的像素坐标结合靶场的辅助标定点的图像光轴角度,联立双目相机的弹着点成像关系,求得靶场的弹着点坐标。基于图像弹着点像素坐标部分,本文提出的改进算法在图像弹着点像素坐标精度上的误差由原来的10.77个像素坐标误差减少到了5.92个像素坐标误差;模型大小从原来的348.5MB减少到了275.3MB,算法推理速度提升了1.7fps,提升了算法推理效率。对于本文的结合辅助标定点与成像角度的双目视觉定位系统,弹着点定位误差相较于传统的双目视觉定位方法相比,误差减少至5m左右,提高了靶场弹着点定位的精度,能够满足靶场的弹着点定位项目的需求。