废旧电子零部件再制造作为一种先进的生产模式,是循环经济的主要组成部分。有效地回收和拆卸报废产品,对保护地球环境、构建循环经济具有重要意义。随着生产生活水平的提高,笔记本电脑已经越来越普及,成为日常生活的必需品之一,笔记本电脑零部件回收再利用成为了废旧电子再制造中很重要的一环。实现对笔记本电脑螺丝孔定位的自动化,可以大大节省零部件回收再利用的时间和人力资源。现有螺丝孔定位方法对于笔记本螺孔的多变特征没有较好的鲁棒性,且由于目标尺寸小带来定位精度不够的问题,鉴于此,本文着重研究了基于改进RCF的笔记本电脑螺丝孔定位方法,主要研究工作如下:（1）螺丝孔图像增强算法研究。针对笔记本电脑图片对比度较低导致的定位不精的问题,通过单尺度和多尺度Retinex的光照增强算法,进行对比度增强变换。针对螺丝孔样本数据不足造成的训练过拟合的问题,基于Auto Augment的图像增强算法,使用自动搜索算法从16种数据扩充方法组成的策略空间中寻找螺孔图片增强的最佳策略。（2）基于改进Richer Convolutional Features（RCF）网络的小目标定位算法研究。在螺孔图片的特征提取过程中,需要下采样来压缩特征,减少模型的参数,同时增加网络的鲁棒性,然而,定位目标螺丝孔在图片中尺寸较小,导致笔记本图片在下采样一定倍数后,螺孔在特征图上消失无法被检测出。针对此,设计实验对比融合特征金字塔和非线性特征金字塔的RCF网络的定位效果,增加下采样后的特征图的丰富性,增加小目标的定位效果。同时在原有的损失函数上添加一个调制因子,使模型在训练时能够更多地关注由于尺寸较小、分辨率不够而难以判断的目标样本。（3）基于自适应迁移学习的改进RCF螺丝孔定位算法研究。针对笔记本电脑螺丝孔样本数据匮乏、复杂多样导致的神经网络训练过拟合的问题,提出在改进的RCF网络预训练得到的小目标定位模型的基础上,再基于改进的自适应迁移学习算法来学习依赖笔记本电脑螺丝孔图片的微调策略,在加快模型训练速度并减少内存占用的同时,保留原算法自适应选择微调策略的优点,形成针对于螺丝孔图片的定位模型。得到螺丝孔的边缘轮廓后,对比质心法和最小二乘这两种轮廓中心点拟合方法,实现对螺丝孔的定位。