1.一种电能表小部件检测方法，其特征在于包括以下步骤：1)使用目标检测神经网络，将一张图片中的电能表部分检测并提取出来，形成只包含电能表整表的图片，并计算整表图片的长宽像素比例；2)重复步骤1)，将得到的多张电能表图片长宽像素比例调整，计算长宽比例平均值，选取合适的放大倍数，按照长宽比例平均值进行缩放，确定标准整表模型的长度与宽度，确定电能表各部件的种类；3)使用矩形标注工具，将各部件的位置标注出来，确定各部件左上角和右下角的坐标值；4)重复步骤3)，标注每一张整表图片，将各部件左上角坐标整理为第一坐标集合，各部件右下角坐标整理为第二坐标集合；5)根据部件种类，将第一坐标集合中坐标按照部件分类，计算每个部件左上角坐标的平均值，并将平均值设定为部件左上角坐标初值；同样的，将第二坐标集合中坐标按照部件分类，计算每个部件右下角坐标的平均值，并将平均值设定为部件右下角坐标初值；6)使用K-means方法，以第一坐标集合为原始数据，以步骤5)中左上角坐标初值为迭代原始值，对各部件左上角坐标进行聚类，并得到各部件左上角坐标的聚类中心值；同样的，以第二坐标集合为原始数据，以步骤5)中右下角坐标初值为迭代原始值，对各部件右下角坐标进行聚类，并得到各部件右下角坐标的聚类中心值；7)根据各部件左上角聚类中心值和右下角聚类中心值，得到各部件矩形锚框，构成标准电表模型；8)当需要检测新电表图片时，将电表图片输入标准电表模型，利用各部件锚框确定小部件的大致位置，再将各部件切分，获得小部件图片，将小部件图片送入简化的目标检测神经网络中进行详细检测，判断小部件种类，并调用偏差优化机制及时反馈至标准电表模型，对标准电表模型进行更新。
2.根据权利要求1所述的一种电能表小部件检测方法，其特征在于：在步骤6)中，包括步骤：601)从样本中选择 K 个点作为初始的聚类中心值；602)计算每个样本到各个聚类中心值的欧式距离，将样本划分到距离最近的聚类中心值所对应的簇中；603)计算每个簇内所有样本的均值，并使用该均值更新簇的聚类中心点；604)重复602)至603)步骤，直到聚类中心点的变化小于阈值或达到最大迭代数量。
3.根据权利要求2所述的一种电能表小部件检测方法，其特征在于：在步骤8）中使用的偏差优化机制为：记录小部件左上角与右下角的新坐标，更新步骤4)中的第一坐标集合和第二坐标集合，并重复步骤5）至步骤6），用新的坐标集合进行聚类，计算更为准确的聚类中心点，从而更新标准电表模型。
4.根据权利要求3所述的一种电能表小部件检测方法，其特征在于：在步骤8）中偏差优化机制包括以下步骤：801）记录小部件坐标当偏差优化机制启动时，小部件图片经过简化目标检测神经网络模型检测，产生对应的新的锚定框和坐标，记录锚定框坐标并映射到该小部件图片所属电表的标准整表图片中，获得小部件在标准整表图片中更精确地左上角和右下角坐标；802）更新该部件坐标集将获得的小部件精确坐标添加到对应部件第一坐标集和第二坐标集中，形成新聚类集合；803）聚类并重新锚定标准电表模型使用K-means方法重新聚类，获得新的左上角聚类中心值和右下角聚类中心值，更新所有部件锚定框坐标，从而更新标准电表模型。
