近年来,随着遥感技术的飞速发展,各种成像方式、不同空间分辨率的遥感平台不断地涌现,产生了大量的遥感图像。飞机是众多遥感图像目标中,人们关注的重要目标,遥感图像飞机目标的识别研究已经成为业界关注的焦点。传统飞机目标检测算法多数通过提取Hu矩、仿射不变矩等特征,筛选出多个特征参数,利用SVM分类器实现飞机目标识别。特征的直接组合,存在识别抗噪能力差、鲁棒性弱、耗时较长等不足。针对传统飞机检测方法的上述不足,研究基于卷积神经网络模型实现的飞机识别系统,为用户提供更加精准、快捷的飞机识别服务,这对提升飞机识别的效果具有重要的意义和实用价值。论文的主要工作如下:(1)针对常见的图像识别系统不能同时执行多个飞机识别任务,无法发挥各个模块的协同作用问题,设计基于Golang实现的多任务管理方式。将用户对指定机场的飞机识别需求看作任务派发给系统执行,这样可以实现多个识别任务并发执行,提高识别系统的效率,用户不用等待当前任务执行完毕就可以创建下一个任务。(2)针对遥感图像的尺寸较大,分辨率较高,由用户直接从系统界面输入遥感图像,耗时较长而且容易受网络传输速率的影响导致任务出错问题,设计基于Sikuli实现的图像采集方式。在服务端采用Sikuli图形化编程技术模拟用户行为从91卫图助手数据源获取遥感图像。(3)针对遥感图像飞机识别问题,提出基于卷积神经网络模型实现的图像识别算法。选用快速、准确的RetinaNet检测器作为识别模型,并与focal loss损失函数配合,采用数据增强技术扩充样本,提高了检测器的识别效率。实验结果表明,所设计实现的基于CNN的遥感图像飞机目标识别系统,具有较好的性能。