再制造是废旧资源循环利用的重要手段,而拆卸是再制造的重要环节,科学的拆卸方法可有效的提高再制造效率。拆卸序列规划(Disassembly Sequence Planning,DSP)作为一种寻求产品最优或近似最优拆卸序列的方法,好的DSP方法可有效提高拆卸效率和降低拆卸成本。本文针对再制造中DSP的特点及目前存在的拆卸自动化水平不高的问题,进行了面向再制造的机电产品拆卸序列规划与目标检测研究,主要研究工作如下:(1)基于紧固件约束矩阵和零件约束矩阵构建产品拆卸信息模型,推导可行拆卸条件并构造可行解;以拆卸时间最小化和拆卸受益最大化作为优化目标,同时构建多目标件选择性拆卸序列规划数学模型,结合Pareto思想构建多目标改进蛙跳算法,提出基于多目标蛙跳算法的多目标件选择性拆卸序列规划方法。(2)针对异步并行拆卸序列规划问题,以拆卸人员为研究对象,以拆卸完工时间最小化为优化目标,构建多人多目标件的选择性异步并行拆卸序列规划的数学模型,改进青蛙个体的编码结构、解码方法、局部进化公式及全局信息交互方式,提出基于改进混合蛙跳算法的多人多目标件选择性异步并行拆卸序列规划方法。(3)针对再制造零件的特点,改进YOLOv3中的特征提取网络、锚点框参数、损失函数参数等,提出基于深度学习神经网络YOLOv3的再制造零部件目标检测方法。(4)基于VS2015采用C++编程语言开发了拆卸序列规划和目标检测原型系统,以本文中的拆卸实例为实验对象,实现了多种模式下的拆卸序列自动规划和目标检测功能。