摘要： 为提高再制造拆卸的自动化程度，将机器视觉技术加入拆卸过程，提出一种基于深度学习与支持向量机(Support Vector Machine, SVM)的废旧产品锈蚀螺栓可拆卸性判别方法。针对废旧产品多样化、锈蚀螺栓目标小，以及背景干扰强等特点，采用基于YOLOv5算法的废旧产品螺栓检测模型，自动检测并裁剪不同废旧产品的螺栓目标；应用Hough梯度圆检测算法实现螺栓图像分割，剔除背景干扰；利用基于支持向量机的多特征锈蚀螺栓可拆卸性判别模型，完成螺栓的可拆卸性判别。经实验表明，该方法在实际拆卸中判别准确率为96.46%,漏检率为1.32%,相比单一的YOLOv5算法，判别准确率得到较大提升，为深度自动化拆卸提供了有效途径。

关键词: 机器视觉拆卸; 螺栓检测; 多特征融合; 可拆卸性判别

中图分类号: 

• TH131.3

• TP18

• TP391.41