【技術實現步驟摘要】
本專利技術涉及外觀檢測，尤其是一種基于神經網絡的電能表外觀缺陷檢測方法及系統。
技術介紹
1、在工業生產過程中，電能表的外觀質量對其市場競爭力和用戶滿意度有著重要影響，因此電能表外觀缺陷檢測成為了質量控制中的關鍵環節。傳統的電能表外觀缺陷檢測通常依賴于人工檢查，然而人工檢測存在諸多不足：首先，人工檢測效率低，容易受到檢測人員的經驗和狀態的影響，不僅難以滿足大規模生產的需求，而且檢測結果的穩定性和一致性較差。此外，人工檢測對于微小或復雜缺陷（如細微劃痕、凹凸不平、表面污漬等）往往難以識別，漏檢和誤檢現象時有發生。尤其在長時間工作中，人工檢測的疲勞效應進一步加劇了誤判風險。
2、綜上所述至少存在如下技術問題：電能表外觀檢測時對外觀數據處理不夠準確以及檢測準確性較低。
技術實現思路
1、本專利技術所要解決的技術問題是克服上述現有技術存在的缺陷，提供一種基于神經網絡的電能表外觀缺陷檢測方法及系統，以有效提取出微小且復雜的外觀缺陷，使得后續的檢測能夠更加準確地識別細微缺陷。
2、為此，本專利技術采用如下的技術方案。
3、第一方面，本專利技術提供一種基于神經網絡的電能表外觀缺陷檢測方法，其包括步驟：
4、s1.獲取電能表外觀的原始圖像數據，并對原始圖像數據進行預處理以及增強處理，得到增強處理后的圖像數據；
5、s2.構建多層卷積神經網絡作為特征提取器，提取增強處理后的圖像數據中不同層次的視覺特征，再進行特征融合處理，得到融合后的特征數
6、進一步地，所述s1，具體包括：利用檢測缺陷細節的工業相機全面捕捉電能表外觀的原始圖像數據，對原始圖像數據進行去噪、背景消除和歸一化的預處理，對預處理后的圖像數據利用多尺度遞歸擾動與反向校正圖像增強算法進行增強處理。
7、更進一步地，所述s1中，所述的多尺度遞歸擾動與反向校正圖像增強算法融合多尺度非線性變換、遞歸增強、多維隨機擾動融合與反向重構。
8、更進一步地，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，為將外觀圖像中的不同頻率成分分離出來，使得高頻細節和低頻結構能夠獨立處理，對預處理后的圖像數據進行多尺度分解；為放大潛在的細節缺陷并壓制背景噪聲，在多尺度分解的基礎上引入雙重非線性變換，對每個尺度的圖像進行非線性變換；對非線性變換后的多尺度圖像進行遞歸增強處理，通過反復提取并增強圖像中的有效特征，消除噪聲干擾。
9、更進一步地，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，遞歸增強后的圖像仍可能包含背景噪聲，引入紋理-結構分解，將遞歸增強處理后的圖像分解為紋理部分和結構部分。
10、更進一步地，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，在得到遞歸增強和分解后的圖像之后，引入多維隨機擾動處理，以模擬不同噪聲環境下的圖像變化，提高魯棒性；為將不同尺度上的擾動信息融合，將所有尺度的擾動后圖像進行加權融合，得到最終的融合圖像。
11、更進一步地，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，為避免融合圖像在包含豐富細節信息的同時，引入偽缺陷和噪聲，引入反向擾動校正機制，將融合圖像與擾動矩陣進行反向操作，消除過度擾動帶來的偽缺陷；在反向擾動校正得到圖像后，為了恢復圖像的全局結構和細節信息，對反向擾動校正后的圖像進行多尺度重構。
12、進一步地，所述s2中，對不同層次的視覺特征利用自適應交互特征融合算法進行特征融合處理，所述自適應交互特征融合算法將不同層次的視覺特征，經過交互映射、自適應加權和特征融合處理，最終生成高效的特征表示，以提高電能表外觀缺陷檢測的精度和魯棒性。
13、更進一步地，在自適應交互特征融合算法中，為實現層次化特征變換，將不同層次的視覺特征轉化為能夠表達更加豐富的語義信息的特征張量，對每一層次視覺特征進行線性變換和非線性激活操作；在每一層次的變換特征張量形成后，對變換特征張量進行多重交互映射處理，多重交互映射的目的在于將不同層次、不同分辨率的特征張量進行雙向交互，使得每個特征張量都能夠融合其他層次特征的語義信息；在得到交互映射矩陣之后，根據交互映射矩陣中的信息，對每個層次特征張量賦予不同的權重，從而自適應地融合多層次特征。
14、第二方面，本專利技術提供一種基于神經網絡的電能表外觀缺陷檢測系統，用于實現上述的電能表外觀缺陷檢測方法，其包括：
15、圖像數據增強處理單元：獲取電能表外觀的原始圖像數據，并對原始圖像數據進行預處理以及增強處理，得到增強處理后的圖像數據；
16、缺陷識別單元：構建多層卷積神經網絡作為特征提取器，提取增強處理后的圖像數據中不同層次的視覺特征，再進行特征融合處理，得到融合后的特征數據，對融合后的特征數據進行分析，實現電能表外觀缺陷的分類與定位，達到電能表外觀缺陷檢測的目的。
17、本專利技術具有的有益效果是：
18、1、本專利技術能夠有效提取出微小且復雜的外觀缺陷，使得后續的檢測能夠更加準確地識別細微缺陷；
19、2、本專利技術將不同層次的視覺特征進行融合，生成高效的特征表示，使得每個特征都包含更豐富的上下文信息，提升了對復雜外觀缺陷的檢測精度和泛化能力。
本文檔來自技高網...【技術保護點】
1.一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，包括步驟：
2.根據權利要求1所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，所述S1，具體包括：
3.根據權利要求2所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，所述S1中，所述的多尺度遞歸擾動與反向校正圖像增強算法融合多尺度非線性變換、遞歸增強、多維隨機擾動融合與反向重構。
4.根據權利要求3所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，為將外觀圖像中的不同頻率成分分離出來，使得高頻細節和低頻結構能夠獨立處理，對預處理后的圖像數據進行多尺度分解；為放大潛在的細節缺陷并壓制背景噪聲，在多尺度分解的基礎上引入雙重非線性變換，對每個尺度的圖像進行非線性變換；對非線性變換后的多尺度圖像進行遞歸增強處理，通過反復提取并增強圖像中的有效特征，消除噪聲干擾。
5.根據權利要求4所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，遞歸增強后的
6.根據權利要求5所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，在得到遞歸增強和分解后的圖像之后，引入多維隨機擾動處理，以模擬不同噪聲環境下的圖像變化；為將不同尺度上的擾動信息融合，將所有尺度的擾動后圖像進行加權融合，得到最終的融合圖像。
7.根據權利要求6所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，為避免融合圖像在包含豐富細節信息的同時，引入偽缺陷和噪聲，引入反向擾動校正機制，將融合圖像與擾動矩陣進行反向操作，消除過度擾動帶來的偽缺陷；在反向擾動校正得到圖像后，為了恢復圖像的全局結構和細節信息，對反向擾動校正后的圖像進行多尺度重構。
8.根據權利要求1所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，所述S2中，對不同層次的視覺特征利用自適應交互特征融合算法進行特征融合處理，所述自適應交互特征融合算法將不同層次的視覺特征，經過交互映射、自適應加權和特征融合處理，最終生成高效的特征表示。
9.根據權利要求8所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在自適應交互特征融合算法中，為實現層次化特征變換，將不同層次的視覺特征轉化為能夠表達更加豐富的語義信息的特征張量，對每一層次視覺特征進行線性變換和非線性激活操作；在每一層次的變換特征張量形成后，對變換特征張量進行多重交互映射處理，多重交互映射的目的在于將不同層次、不同分辨率的特征張量進行雙向交互，使得每個特征張量都能夠融合其他層次特征的語義信息；在得到交互映射矩陣之后，根據交互映射矩陣中的信息，對每個層次特征張量賦予不同的權重，從而自適應地融合多層次特征。
10.一種基于神經網絡的電能表外觀缺陷檢測系統，用于實現權利要求1-9任一項所述的電能表外觀缺陷檢測方法，其特征在于，包括：
...【技術特征摘要】
1.一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，包括步驟：
2.根據權利要求1所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，所述s1，具體包括：
3.根據權利要求2所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，所述s1中，所述的多尺度遞歸擾動與反向校正圖像增強算法融合多尺度非線性變換、遞歸增強、多維隨機擾動融合與反向重構。
4.根據權利要求3所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，為將外觀圖像中的不同頻率成分分離出來，使得高頻細節和低頻結構能夠獨立處理，對預處理后的圖像數據進行多尺度分解；為放大潛在的細節缺陷并壓制背景噪聲，在多尺度分解的基礎上引入雙重非線性變換，對每個尺度的圖像進行非線性變換；對非線性變換后的多尺度圖像進行遞歸增強處理，通過反復提取并增強圖像中的有效特征，消除噪聲干擾。
5.根據權利要求4所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，遞歸增強后的圖像仍可能包含背景噪聲，引入紋理-結構分解，將遞歸增強處理后的圖像分解為紋理部分和結構部分。
6.根據權利要求5所述的一種基于神經網絡的電能表外觀缺陷檢測方法，其特征在于，在多尺度遞歸擾動與反向校正圖像增強算法實現過程中，在得到遞歸增強和分解后的圖像之后，引入多維隨機擾動處理，以模擬不同噪聲環境下的圖像變化；為將不同尺度上的擾動信息融合，將所有尺度的擾動后圖像進行加權...
【專利技術屬性】
技術研發人員：陳歡軍，李熊，劉思，徐韜，楊思潔，祝恩國，盧繼哲，徐開，周佑，謝澤楠，陸艷，楊依睿，孔德政，黃星堯，徐一帆，孫舒瑤，胡瑛俊，許靈潔，
申請(專利權)人：國網浙江省電力有限公司營銷服務中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。