传统的拆卸式电能表清洗采用手工、刷子或离子吹扫，导致污渍识别精度低，清洗效果差。因此，双目视觉和机器学习的方法被用来改善它。该系统以控制中心为核心，通过通信协议将识别模块与清洗服务子系统连接起来，构建了系统框架。建立了双目视觉系统。用神经网络对双目摄像机进行标定后，采集被取下的电能表的图像信息，通过坐标转换和视差计算完成污点定位。将定位结果输入卷积神经网络，通过网格划分、特征映射等操作完成拆解电能表的污点识别。在清洗服务子系统中设计清洗装置，根据污渍识别结果拆除电能表，完成清洗系统设计。以清洗500电能表为例，结果表明，本文方法耗时22分钟，识别误差约为10%，清洗后的电能表检定效果由70%提高到97%。