本发明涉及一种基于SVM的散货船舶设备状态检测方法，该方法包括：S1，获取散货船舶设备状态总训练数据集，随机选取初始量的训练数据样本；S2，采用所述训练数据样本训练SVM模型得到粗糙的分离平面，找出并去除不是支持向量的训练数据样本，根据训练后SVM模型预测剩余训练数据样本量，依据边界数据决策函数值确定训练数据样本的去除或保留，以重建训练数据集；S3，从所述重建训练数据集增量选取船舶设备状态训练数据样本，转至步骤S2，逐步训练SVM模型筛选出支持向量直至最终重建训练数据样本；S4，对最终重建训练数据样本进行全局SVM训练得到分类超平面，并根据分类超平面得到船舶设备状态检测结果。本发明解决了SVM训练过程耗时长，占用内存大的问题。