高空飞机受到自身振动、气流冲击和温度瞬变等干扰时,导致飞机螺栓结构松动、断裂或者脱落等问题。飞机螺栓结构具有复杂的动态性,传统的飞机螺丝辅助视觉松动检测方法在处理飞机螺栓复杂结构时,获取的螺丝帽和螺丝杆的相对位置过程中,受到采集环境的影响,很难得到稳定特征,导致图像监测误差,无法获取准确的螺栓松动监测结果。提出聚类RBF神经网络算法的高空飞机螺栓紧固方法。根采集检测部分螺丝视觉图像序列,并对上述图像进行离散变换处理,提取高空飞机螺栓图像的可识别分离特征。针对螺栓机器视觉图像特征误差较大的缺陷,构建特征分离目标函数,并建立聚类RBF神经网络模型,对特征进行多次校验计算,完成判断。实验结果表明,利用改进算法进行机器视觉的高空飞机螺栓松动监测,能够极大的提高监测的准确性。