[0001] 本发明涉及电气设备技术领域，特别是一种漆包线漆膜连续性智能在线检测方法及系统。

[0002] 随着电子、电气设备对漆包线质量要求的提高，漆包线生产工艺中的漆膜检测成为确保产品性能和可靠性的关键环节。传统的漆膜检测主要依赖于人工抽检或简单的光学检测，难以对整个生产过程中的漆包线漆膜进行连续、全面的在线检测。近年来，基于电磁波、电容成像及应力分析的检测技术逐渐应用于漆包线生产中，但这些技术通常各自独立，难以实现对漆膜表面及内部缺陷的多维度综合分析。此外，现有技术主要依赖单一信号源，容易受到环境噪声和背景干扰的影响，导致检测结果不够精确，尤其在应力集中和漆膜不均等微小缺陷的识别上存在局限。

[0003] 在现有技术中，电磁波扫描和电容成像技术的结合尚未得到充分开发，尤其是如何将基于多频段电磁波的漆膜初步评估结果与电容和应力分布的检测结果进行综合分析，从而实现对漆包线漆膜缺陷的高精度识别，仍存在较大挑战。此外，现有技术在缺陷识别后，多数仅能生成检测报告，难以实现对生产线参数的自动反馈调整，进而影响生产效率与质量稳定性。因此，如何在多维度检测的基础上，实现自动反馈调整，成为亟待解决的技术问题。

[0019] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。

[0020] 在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。

[0021] 其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。

[0022] 实施例1，参照图1和图2，为本发明第一个实施例，该实施例提供了一种漆包线漆膜连续性智能在线检测方法，包括以下步骤：S1、通过电磁波发射器对漆包线的漆膜进行扫描，生成漆膜完整性初始评估数据。

[0023] S1.1、设定电磁波扫描的高频段和低频段的频率范围；根据漆包线的线径和漆膜厚度，设置生产线速度并自动调整电磁波发射器的扫描速率；根据设定的低频段和高频段频率范围，启动多频段电磁波的实时发射，完成漆膜表面和内部的全范围扫描；电磁波经过漆膜时，通过传感器阵列对反射、折射和吸收信号进行实时捕捉。

[0024] 更进一步地，反射信号捕捉：电磁波在遇到漆膜界面时会产生反射波，传感器阵列会实时检测反射信号的强度。根据反射波的强弱，可以初步判断漆膜厚度的均匀性。如果某一区域的反射波强度异常，可能意味着该区域的漆膜厚度不均或存在空隙。

[0025] 折射信号捕捉：当电磁波穿透漆膜时，其传播方向会发生折射，折射信号的变化可以反映漆膜内部的密度差异。传感器阵列会捕捉折射信号的角度和强度变化，通过对这些数据的分析，可以识别漆膜内部可能存在的界面或分层。

[0026] 吸收信号捕捉：不同频段的电磁波在漆膜中的吸收程度也不同，吸收信号的强弱与漆膜的材料特性和厚度密切相关。传感器阵列会检测漆膜对不同频段电磁波的吸收率，从而判断漆膜材料的均匀性和可能的缺陷区域。如果某区域的吸收信号急剧变化，可能表明漆膜存在内部缺陷或材料不一致。

[0027] S1.2、对反射、折射和吸收信号进行滤波处理，消除背景噪声和环境干扰；通过特征提取算法提取反射波强度、折射角度和吸收率的变化的特征数据；根据提取的反射波强度、折射角度和吸收率的变化的特征数据，进行初步的缺陷分析；基于经过信号处理和初步分析结果，生成漆膜完整性初始评估数据。

[0028] 更进一步地，缺陷的初步分析指的是对于反射波强度异常的区域，将标记为潜在的漆膜厚度不足或断裂区域；对于折射异常的区域，则标记为可能的漆膜分层或材料密度不均区域；对于吸收率变化明显的区域，则标记为可能的材料不一致或内部空隙区域。

[0029] 漆膜完整性初始评估数据包括潜在缺陷区域的坐标、缺陷类型（如厚度不足、分层、密度不均等）以及缺陷的严重程度。

[0030] 具体地，通过电磁波信号分析，确定了每个潜在缺陷区域的具体位置。该位置由三维坐标(x,y,z)表示，精确到毫米级。例如，某一区域的坐标可能为(12.5,23.4,5.6)，表示该缺陷区域在空间中的具体位置。

[0031] 厚度不足：漆膜的厚度小于预设的标准值，影响产品的绝缘性能。

[0032] 分层：漆膜内部存在分层现象，可能导致电气性能下降或机械强度减弱。

[0033] 密度不均：漆膜材料的密度存在局部差异，可能导致性能不一致。

[0034] 材料不一致：某些区域的漆膜材料与其他部分不同，可能由涂覆过程中的材料分布不均或混合不良引起。

[0035] 缺陷严重程度：根据缺陷的程度进行分级，严重程度分为低、中和高三个级别。低：该缺陷对漆膜整体性能的影响较小，可能不需要立即修复，但应进行监控。中：该缺陷可能对漆膜的功能产生一定影响，建议进一步检测或修复。高：该缺陷对漆膜功能有较大影响，且可能导致产品故障，应当立即采取措施修复或替换。

[0036] 每个缺陷区域的完整描述将包括该区域的坐标、缺陷的具体类型以及严重程度。例如：
在坐标(12.5,23.4,5.6)处，检测到漆膜存在厚度不足的问题，严重程度为中。

[0037] 在坐标(15.7,26.8,5.9)处，发现漆膜分层，严重程度为高。

[0038] 在坐标(18.2,30.1,6.3)处，漆膜的密度不均，严重程度为低。

[0039] S2、基于生成的漆膜完整性初始评估数据，检测漆包线表面的电容变化，并生成漆膜的二维电容成像图。

[0040] S2.1、启动电容成像设备，校准电容传感器阵列，并设定基准电容值；电容传感器阵列对每一段经过的漆包线表面进行扫描，实时捕捉电容值。

[0041] 更进一步地，电容传感器阵列是通过测量传感器与漆膜之间的电容值来感知漆膜的物理特性。电容的变化会反映漆膜的以下信息：漆膜厚度：如果漆膜厚度发生变化，电容传感器感知到的电容值也会随之变化。表面平整度：当漆膜表面出现不平整或粗糙时，电容信号会出现波动。针孔、裂纹和断裂：这些缺陷会引起局部电容值的显著变化，通常表现为电容值的突然增大或减小。

[0042] S2.2、将捕捉到的电容值与基准电容值进行比较，当检测到的电容值与基准值的显著偏差时，立即标注缺陷点的时间和空间位置；将每个电容变化得到的空间位置映射到图像上的相应像素点，按空间坐标重建为二维电容成像图。

[0043] 更进一步地，生成二维电容成像图的过程是将电容信号数据按空间坐标重建为图像。具体操作包括以下步骤：数据空间重构：将每个电容数据点（C(x,y)）映射到图像上的相应像素点。每个像素点代表漆包线表面某一区域的电容值。这些电容数据是通过电容传感器阵列沿线性或网格式路径扫描得到的，因此每个点的电容值对应于漆包线的特定位置(x,y)。

[0044] 颜色映射：使用颜色变化来表示电容值的波动情况。通常，颜色越深表示电容变化越大，而颜色较浅或无变化的区域表示电容值接近基准。颜色映射使用线性或非线性方法，将电容值的变化量，即电容值与基准值的差异转换为颜色。这样可以直观地识别出漆膜表面电容波动较大的区域。

[0045] 图像分辨率的确定：图像的分辨率取决于扫描步长和电容传感器的密度。步长越小，传感器的布置越密集，图像的分辨率就越高。较高的分辨率能够捕捉到更细微的缺陷，如针孔、细小裂纹等，而较低的分辨率则适合检测大范围的缺陷，如表面不平整或厚度变化。

[0046] S2.3、将电磁波扫描的初步评估数据中的初步缺陷分析结果标记为异常的区域，并在电容成像图中找到对应的坐标区域，提取对应区域的电容变化值；分析电容成像图中的电容变化趋势，与其他区域的电容波动进行比较；当电容成像图中的电容变化显著，并且与电磁波扫描结果一致，该区域将被确认为缺陷区域；当电容成像图中电容变化不显著，则该区域将被标记为待进一步确认区域；通过电容成像图，对电容变化的特征进行分区和分类；将分类后的二维电容成像图的电容变化特征记录到数据库中。

[0047] 更进一步地，电容值的变化通常与漆膜缺陷直接相关。根据电容值的增减情况，可以初步判断缺陷的类型。这些缺陷类型及其电容变化的特征如下：电容值减小：可能是由于漆膜的厚度增加，导致电容传感器与漆膜的距离增大，进而使电容值降低。表面光滑度下降也会导致类似的情况，因为粗糙的表面使电容传感器的有效感知面积减少。这种电容值减小的情况通常反映漆膜的厚度问题或表面不平整。

[0048] 电容值增大：如果电容值显著增大，通常表明漆膜存在针孔、裂纹或断裂。由于这些缺陷导致传感器感应到空气或其他低介电常数材料，电容值会出现突增。例如，在针孔区域，由于电容传感器探测到的是空气（其介电常数较低），电容值会迅速增大。

[0049] 更进一步地，缺陷类型的进一步分类通过电容成像图，可以对不同类型的缺陷进行更精细的分类。这些缺陷的电容变化特征各不相同，可以利用这些特征对缺陷进行区分和分类。以下是常见缺陷类型及其电容变化特征：
电容变化：针孔通常导致局部电容值的显著增大，因为电容传感器可能感应到空气或其他低介电常数的材料。

[0050] 图像特征：在电容成像图中，针孔表现为颜色较深的小面积区域，通常集中在一个或几个像素内。针孔的电容变化幅度较大且范围较小。

[0051] 裂纹：裂纹导致的电容变化通常呈线性分布，电容值沿着裂纹的方向发生显著波动。裂纹在电容成像图中表现为颜色较深的线性区域，长度较长但宽度较小。裂纹的电容变化幅度较大，但区域延伸较长。

[0052] 表面不平整：表面不平整导致电容值缓慢变化，变化幅度较小，因为表面粗糙度的变化通常较为均匀且不剧烈。表面不平整在电容成像图中表现为颜色较浅或渐变的区域。电容变化幅度较小，但可能覆盖较大的区域。

[0053] 厚度不足：厚度不足导致电容值略有减小，因为传感器与漆膜之间的距离变大，感应到的电容减少。厚度不足的区域通常呈现为颜色较浅的区域，且变化幅度较为平缓。

[0054] S3、根据二维电容成像图和漆膜完整性初始评估数据，检测漆包线漆膜的应力分布，识别应力集中区域，并生成漆膜应力分布图。

[0055] S3.1、从数据库中提取电容成像图和电磁波扫描数据中标记的可能存在缺陷的区域；启动光纤光栅传感器阵列，并设定光纤光栅传感器的反射波长范围；当漆包线经过光纤光栅传感器阵列时，实时捕捉漆膜的应力分布变化；当漆包线表面发生应力变化时，这种变化会导致光纤光栅的物理应变，从而改变反射的反射波长；通过分析光纤光栅传感器实时捕捉的漆膜的应力分布变化，识别出漆膜表面的应力集中区域；这些区域通常是漆膜断裂、裂纹或其他缺陷的前兆。

[0056] 更进一步地，应力集中区域的识别：基于历史数据和材料特性，设定一个应力阈值。例如，当应力超过50MPa时，可能表明漆膜存在断裂风险。将对超过该阈值的区域进行标记。

[0057] 通过光纤光栅传感器实时采集漆包线的应力数据，每个传感器在不同的位置(x,y)记录下对应的应力值。

[0058] 将采集到的应力值与设定的阈值进行对比，识别出应力超过阈值的区域。

[0059] 应力异常区域标记规则：超过阈值的区域：如果某一位置的应力值超过设定的阈值（例如50MPa），将立即标记该区域为应力异常区域。

[0060] 临近区域的扩展分析：对于超过阈值的区域，向周围临近的区域进行扩展分析。如果相邻区域的应力值接近阈值（例如在45‑49MPa之间），标记这些区域为应力异常区域，以便进行更细致的分析。

[0061] 记录应力异常区域的详细信息：坐标位置(x,y)：记录应力异常区域的精确二维坐标，以便后续分析和应力集中区域的定位。

[0062] 应力值：记录该区域的应力值，并与应力阈值进行对比，明确应力异常的严重程度。

[0063] 应力分布特征：记录应力异常区域的分布特征，例如应力是否呈线性分布（表明可能存在裂纹）或集中在某一小区域（表明可能存在针孔）。

[0064] S3.2、获取漆包线表面应力集中区域各个位置的应力数据，记录位置坐标，并测量该位置的应力值；将位置坐标映射到图像的像素坐标，并将应力值转换为颜色值，形成应力分布的彩色图像；基于每个传感器的应力值和坐标生成二维应力分布图，将采集的应力数据转化为图像像素，并通过颜色映射对每个像素点进行着色。

[0065] S4、将应力分布结果、电容成像图和漆膜完整性初始评估数据进行综合处理，识别漆包线漆膜的缺陷区域和缺陷类型，生成漆膜检测报告。

[0066] S4.1、将应力分布结果、电容成像图和漆膜完整性初始评估数据投射到漆包线的同一坐标系中；从光纤光栅传感器获取的应力分布结果中提取应力集中异常区域；从电容成像图的数据中提取局部电容变化异常的区域；从电磁波扫描的漆膜完整性初始评估数据中提取内部结构异常的区域。

[0067] 更进一步地，应力数据特征提取：通过计算应力梯度，识别出存在明显应力集中现象的区域，表达式为：；
其中， 为应力的梯度向量，为二维平面上沿水平方向的坐标位置，为二维平面上沿竖直方向的坐标位置，为应力值， 为应力 在 方向上的一阶偏导数，表示应力在 方向上的变化率， 为应力 在 方向上的一阶偏导数，表示应力在 方向上的变化率；
通过应力集中区域的特征评分函数量化某一区域的应力集中程度，应力集中往往意味着漆膜可能发生裂纹或破损，因此应力值越大、应力梯度越陡，评分越高，表达式为：
;
其中， 是应力集中区域的特征评分值，定量化了某个位置 处的应
力集中程度，评分越高，表示该区域的应力集中越严重，可能存在较高的裂纹或破损风险，表示在坐标 处的应力值，反映了材料在该位置的局部应力， 是整个检测区域内的平均应力值，表示该区域整体的应力水平， 是检测区域内的最大应力值，表示在整个区域中观测到的最高应力水平， 是检测区域内的最小应力值，表示在整个区域中观测到的最低应力水平。

[0068] 电容成像特征提取：从电容成像数据中提取局部电容变化异常的区域。通过对电容值的变化率进行分析，识别漆膜厚度发生变化或存在裂纹的区域，表达式为：；
其中， 是电容变化量， 是坐标 处的局部电容值， 是理想情况下的
电容值，或区域内的平均电容值，表示漆膜厚度均匀、没有缺陷时的标准电容值；
通过电容变化的特征评分函数量化电容成像中某一区域电容值的变化程度，电容值的显著波动通常表明漆膜厚度不均匀或存在裂纹，表达式为：
；
其中， 是电容变化的特征评分， 是在位置 处的电容变
化量，表示该位置的电容值 与理想电容值 之间的差异， 是检测区域内的最大电容变化量，用于将电容变化标准化，保证不同区域的电容评分具有可比性。

[0069] 电磁波扫描特征提取：从电磁波扫描数据中提取内部结构异常的区域。通过分析电磁波在漆膜中的传播速度和反射率变化，识别出内部缺陷，如气泡、孔洞或内部应力集中区域。

[0070] 电磁波反射系数计算的表达式为：；
其中， 是在位置 处的电磁波反射系数， 是在该位置处反射回来的
电磁波强度， 是入射电磁波的强度；
通过电磁波反射特征评分函数量化某一区域的电磁波反射情况，反射系数异常大的区域通常表明存在内部缺陷，如气泡、孔洞或结构不均匀，表达式为：
；
其中， 是电磁波反射特征评分， 是理想情况下的电磁波反射系数，
或区域内的平均反射系数，表示没有缺陷的标准反射情况， 是检测区域内的最大反射系数差异，用于标准化反射系数变化，使得评分在不同区域可以相互比较。

[0071] S4.2、将提取的异常区域的数据进行比对，识别不同数据源的数据在相同区域的一致性；根据识别结果，对缺陷区域进行类型分类；综合分析缺陷区域的应力、电容和电磁波特征，评估每个缺陷的严重程度；根据缺陷区域分类和严重程度，生成漆膜检测报告。

[0072] 更进一步地，引入一个一致性评分函数，用于评估不同数据源在相同区域的一致性，表达式为：其中， 、 和 分别是应力检测、电容成像、电磁波扫描的权重系数，表示每种检测手段在整体评分中的重要性。

[0073] S5、根据漆膜检测报告，自动调整生产线的涂覆厚度、固化温度和生产速度，修正漆膜的不均和应力集中问题，包括以下步骤，根据漆膜检测报告，自动触发反馈机制，向生产线发出调整指令；对于轻微的漆膜不均和应力集中问题，根据缺陷类型自动调整参数；涂覆机的喷涂厚度根据实时检测到的漆膜厚度不均问题进行动态增量调整；通过降低生产速度来减少应力集中区域的形成；当应力集中问题主要源于漆膜固化不均匀时，自动调整固化炉的温度；对于检测到的严重缺陷，通过集成的控制模块发出立即暂停生产的指令，并将缺陷区域的漆包线标记为不合格；
控制自动化机械臂和传送带移除不合格的漆包线产品，并通过报警通知工作人员；根据缺陷分析，自动调整生产参数，并在确认调整完成后重新启动生产线。

[0074] 本实施例还提供一种漆包线漆膜连续性智能在线检测系统，包括：电磁波扫描模块，通过电磁波发射器对漆包线的漆膜进行扫描，生成漆膜完整性初始评估数据；电容检测模块，基于所述生成的漆膜完整性初始评估数据，检测漆包线表面的电容变化，并生成漆膜的二维电容成像图；应力分析模块，根据二维电容成像图和漆膜完整性初始评估数据，检测漆包线漆膜的应力分布，识别应力集中区域，并生成漆膜应力分布图；缺陷识别模块，将应力分布结果、电容成像图和漆膜完整性初始评估数据进行综合处理，识别漆包线漆膜的缺陷区域和缺陷类型，生成漆膜检测报告；自动反馈与调整模块，根据漆膜检测报告，自动调整生产线的涂覆厚度、固化温度和生产速度，修正漆膜的不均和应力集中问题。

[0075] 本实施例还提供一种计算机设备，适用于漆包线漆膜连续性智能在线检测方法的情况，包括：存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的漆包线漆膜连续性智能在线检测方法。

[0076] 该计算机设备可以是终端，该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC（近场通信）或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

[0077] 本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的实现漆包线漆膜连续性智能在线检测方法；存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read－Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red－Only Memory, 简称PROM），只读存储器（Read－Only Memory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。

[0078] 综上，本发明通过电磁波扫描技术对漆膜表面和内部进行全面的实时评估，提取反射、折射及吸收信号中的特征数据，初步分析漆膜的结构完整性；基于电容成像技术，能够进一步捕捉漆包线表面电容变化情况，生成二维电容成像图，精准定位漆膜缺陷；通过结合应力分布分析，识别漆膜表面的应力集中区域，进一步确认缺陷的具体位置和类型；将多源数据投射到同一坐标系中，综合分析应力、电容及电磁波特征，能够更全面、精细地识别缺陷区域；通过自动反馈机制，能够根据检测报告实时调整生产线的涂覆厚度、固化温度及生产速度，避免传统中仅生成检测报告的局限性，从而实现生产过程的智能化、自动化，有效提高生产线的质量控制能力与效率。

[0079] 实施例2，参照表1，为本发明第二个实施例，为进一步验证本发明的技术方案，给出了漆包线漆膜连续性智能在线检测方法的实验仿真数据。

[0080] 为了验证本发明的漆包线漆膜连续性智能在线检测方法的有效性，进行了对比实验。实验过程中，选择了两组漆包线样品，分别使用现有技术和本发明的检测方法对漆膜的完整性、缺陷识别、应力分布等进行检测，并对生产线参数的反馈调整进行了试验。

[0081] 在现有技术中，通常采用的是单一的光学检测或静态电容检测方法来对漆包线漆膜进行检测。光学检测通过表面反射光或透射光的强度变化来判断漆膜的表面缺陷，而静态电容检测则依赖于漆包线表面局部电容值的变化来识别漆膜厚度的均匀性。这些检测方法存在一定的局限性，特别是对于漆膜内部缺陷的检测效果较差，且无法有效识别应力集中区域。此外，现有技术的检测过程多为离线检测，无法对生产过程中的漆膜进行实时监控和调整。

[0082] 相比之下，本发明采用了基于多频段电磁波扫描、电容成像以及光纤光栅应力检测的多维度检测方法。首先，设定电磁波扫描的高频段和低频段的频率范围，分别为10 MHz和100 MHz。根据漆包线的线径0.25 mm和漆膜厚度0.02 mm，设置生产线的运行速度为1.5 m/s，并自动调整电磁波发射器的扫描速率。启动多频段电磁波发射器，进行漆膜表面和内部的全范围扫描。电磁波经过漆膜时，通过传感器阵列实时捕捉反射、折射和吸收信号，并经过滤波处理，消除背景噪声和环境干扰。通过特征提取算法，提取了反射波强度、折射角度和吸收率的变化特征数据，进行了初步的缺陷分析，生成漆膜完整性初始评估数据。

[0083] 接着，启动电容成像设备，校准电容传感器阵列，设定基准电容值为50 pF。电容传感器阵列对漆包线表面进行扫描，实时捕捉电容值，并将捕捉到的电容值与基准电容值进行比较。当检测到的电容值与基准值的显著偏差时，立即标注缺陷点的时间和空间位置。将各个电容变化的空间位置映射到图像上的相应像素点，生成二维电容成像图。

[0084] 进一步，从数据库中提取电容成像图和电磁波扫描数据，启动光纤光栅传感器阵列，设定反射波长范围为1550 nm。当漆包线经过传感器阵列时，捕捉漆膜的应力分布变化，分析并识别出应力集中区域，生成应力分布的彩色图像。这些应力数据与电磁波和电容成像的结果进行比对，识别出缺陷区域并分类，生成漆膜检测报告。

[0085] 最后，通过检测报告，自动触发反馈机制，调整生产线的涂覆厚度、固化温度和生产速度。对于轻微的缺陷问题，调整喷涂厚度和固化温度；对于严重缺陷，发出暂停生产的指令，移除不合格产品。

[0086] 具体如下表1所示：表1现有技术与本发明的漆包线漆膜检测对比数据表
从表格数据中可以清晰地看到，本发明的检测方法在多个关键参数上均显著优于现有技术。首先，在反射波强度变化方面，本发明检测的漆包线样品1和样品2的反射波强度变化分别为‑8.5 dB和‑8.1 dB，而现有技术的样品1和样品2的变化为‑12.3 dB和‑11.8 dB。较低的反射波强度变化表明，本发明在检测过程中能够更有效地消除背景噪声和干扰，从而得到更清晰的信号特征。

[0087] 其次，折射角度的变化对应着漆膜内部结构的变化，本发明的折射角度变化分别为0.8度和0.7度，而现有技术的变化在1.2度和1.4度之间。这表明本发明能够更精确地捕捉到漆膜内部的微小缺陷，进而提升了缺陷识别的准确性。

[0088] 在吸收率的变化上，本发明的检测样品表现出更低的吸收率变化（9.2%和8.9%），而现有技术的样品变化较大（15.6%和16.3%）。这进一步说明，本发明在电磁波扫描的信号处理上具有显著优势，能够更有效地排除环境干扰，从而提高检测结果的稳定性。

[0089] 电容变化反映了漆膜的表面电容状态，本发明的检测结果显示电容变化值分别为48.2 pF和47.9 pF，明显接近设定的基准值50 pF，表明漆膜的厚度和均匀性控制较好；相比之下，现有技术的电容变化较大，分别为52.5 pF和51.8 pF，表明其检测精度相对较低。

[0090] 应力集中区域的数量直接反映了漆膜的应力分布情况。本发明的应力集中区域仅有1个，而现有技术检测的样品中应力集中区域分别为3个和4个，表明本发明在识别并减少应力集中区域方面具有显著优势。

[0091] 缺陷识别率是关键的性能指标。本发明对缺陷的识别率高达92%和94%，而现有技术的识别率仅为72%和75%。这表明本发明通过多维度信号的综合处理，能够更精准地检测并识别漆膜的缺陷区域。

[0092] 最后，在生产线调整反馈方面，本发明的自动调整功能明显提高了生产线的智能化程度。实验数据表明，本发明能根据检测结果自动调整生产速度和涂覆厚度，生产速度调整幅度为5%，涂覆厚度的调整幅度为1.2 µm和1.3 µm，显著改善了漆膜的不均和应力集中问题。而现有技术中，生产速度和涂覆厚度未能根据检测结果进行调整，导致生产线的自动化程度较低。

[0093] 综上所述，本发明通过多频段电磁波、电容成像和应力分布分析的综合检测方法，显著提升了漆包线漆膜缺陷识别的精度和生产线的自动化水平。

[0094] 应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。