Los robots industriales necesitan identificar con precisión la posición y el ángulo de rotación de la manivela de las válvulas de barriles de material químico durante el proceso de apertura y cierre, para evitar interferencias entre el agarre del robot y la manivela. Este documento propone un algoritmo de detección de puntos clave de la manivela para la adquisición rápida y precisa de la posición y rotación de la manivela. El algoritmo se basa en el modelo de detección de puntos clave Keypoint R-CNN (Red Neuronal Convolucional basada en Regiones), que integra la red móvil ligera MobileNetV3, el módulo de Atención a Coordenadas y una estructura mejorada de BiFPN (Red de Pirámide de Características Bidireccional) para mejorar la velocidad de detección del modelo, potenciar el rendimiento de extracción de características de la manivela y mejorar la capacidad de expresión de objetivos pequeños en ubicaciones clave de puntos. Los resultados experimentales en un conjunto de datos de manivelas autoconstruido demuestran que el algoritmo propuesto supera al modelo Keypoint R-CNN en términos de velocidad y precisión de detección, con una mejora de velocidad del 54.6%. La precisión de detección y la precisión de detección de puntos clave alcanzan el 93.3% y el 98.7%, respectivamente, cumpliendo con los requisitos del escenario de aplicación y permitiendo un control preciso de la rotación del robot de la manivela de la válvula.