【技术实现步骤摘要】
本专利技术涉及外观检测，尤其是一种基于神经网络的电能表外观缺陷检测方法及系统。
技术介绍
1、在工业生产过程中，电能表的外观质量对其市场竞争力和用户满意度有着重要影响，因此电能表外观缺陷检测成为了质量控制中的关键环节。传统的电能表外观缺陷检测通常依赖于人工检查，然而人工检测存在诸多不足：首先，人工检测效率低，容易受到检测人员的经验和状态的影响，不仅难以满足大规模生产的需求，而且检测结果的稳定性和一致性较差。此外，人工检测对于微小或复杂缺陷（如细微划痕、凹凸不平、表面污渍等）往往难以识别，漏检和误检现象时有发生。尤其在长时间工作中，人工检测的疲劳效应进一步加剧了误判风险。
2、综上所述至少存在如下技术问题：电能表外观检测时对外观数据处理不够准确以及检测准确性较低。
技术实现思路
1、本专利技术所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种基于神经网络的电能表外观缺陷检测方法及系统，以有效提取出微小且复杂的外观缺陷，使得后续的检测能够更加准确地识别细微缺陷。
...
【技术保护点】
1.一种基于神经网络的电能表外观缺陷检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，所述S1，具体包括：
3.根据权利要求2所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，所述S1中，所述的多尺度递归扰动与反向校正图像增强算法融合多尺度非线性变换、递归增强、多维随机扰动融合与反向重构。
4.根据权利要求3所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，在多尺度递归扰动与反向校正图像增强算法实现过程中，为将外观图像中的不同频率成分分离出来，使得高频...
【技术特征摘要】
1.一种基于神经网络的电能表外观缺陷检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，所述s1，具体包括：
3.根据权利要求2所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，所述s1中，所述的多尺度递归扰动与反向校正图像增强算法融合多尺度非线性变换、递归增强、多维随机扰动融合与反向重构。
4.根据权利要求3所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，在多尺度递归扰动与反向校正图像增强算法实现过程中，为将外观图像中的不同频率成分分离出来，使得高频细节和低频结构能够独立处理，对预处理后的图像数据进行多尺度分解；为放大潜在的细节缺陷并压制背景噪声，在多尺度分解的基础上引入双重非线性变换，对每个尺度的图像进行非线性变换；对非线性变换后的多尺度图像进行递归增强处理，通过反复提取并增强图像中的有效特征，消除噪声干扰。
5.根据权利要求4所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，在多尺度递归扰动与反向校正图像增强算法实现过程中，递归增强后的图像仍可能包含背景噪声，引入纹理-结构分解，将递归增强处理后的图像分解为纹理部分和结构部分。
6.根据权利要求5所述的一种基于神经网络的电能表外观缺陷检测方法，其特征在于，在多尺度递归扰动与反向校正图像增强算法实现过程中，在得到递归增强和分解后的图像之后，引入多维随机扰动处理，以模拟不同噪声环境下的图像变化；为将不同尺度上的扰动信息融合，将所有尺度的扰动后图像进行加权...
【专利技术属性】
技术研发人员：陈欢军，李熊，刘思，徐韬，杨思洁，祝恩国，卢继哲，徐开，周佑，谢泽楠，陆艳，杨依睿，孔德政，黄星尧，徐一帆，孙舒瑶，胡瑛俊，许灵洁，
申请(专利权)人：国网浙江省电力有限公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。