电能表贴标机异常贴标图像识别方法研究

针对电能表自动化生产线上贴标机工作过程中出现的贴标异常问题，开展了有关异常贴标图像的识别方法研究。通过综合采用图像增强技术、梯度直方图(HOG)算法、支持向量机(SVM)、卷积神经网络(CNN)模型以及残差网络(ResNet)模型等理论、技术和方法，提出了一种有效的异常贴标图像的识别方法。使用HOG+SVM、VGG-16和ResNet模型，在平衡后的数据集中进行了模型训练和样本识别的试验。试验结果表明，深度神经网络模型在训练与测试集中的识别效果具有明显提升。其中，ResNet模型的识别精度更高(训练集识别精度为100%,测试集识别精度为89%)。该研究为适用于电能表问题贴标的识别筛选提供了有效方法，为实际应用打下了基础。