La detección de microfisuras en huevos de aves de corral basada en modelos de características eléctricas es un método nuevo y efectivo. Sin embargo, debido al desorden, mutación, no linealidad, discontinuidad temporal y otros factores de los datos actuales, algoritmos de detección como las máquinas de vectores de soporte (SVM) y el bosque aleatorio (RF) bajo características estadísticas tradicionales no pueden identificar defectos sutiles. El voltaje del sistema de detección se establece en 1500 V en el método existente, y voltajes más altos pueden causar daños a los huevos incubados; por lo tanto, cómo reducir el voltaje también es un enfoque de investigación. En este documento, para abordar el problema de la baja relación señal-ruido de las microfisuras en las señales actuales, se propone una transformación de dispersión de wavelet capaz de extraer características invariantes a la traducción y estables ante pequeñas deformaciones para extraer vectores de características de alta frecuencia en múltiples escalas. En vista de la serie temporal y la baja escala de características de las señales actuales, se adoptan varias redes convolucionales, como una red neuronal convolucional unidimensional (1DCNN), memoria a corto plazo (LSTM), memoria a corto plazo bidireccional (Bi-LSTM) y unidad recurrente con compuertas (GRU). El algoritmo de detección de la red convolucional de dispersión de wavelet se implementa para señales de detección eléctrica. Los resultados experimentales muestran que en comparación con trabajos anteriores, la precisión, la recuperación, la puntuación F1 y el coeficiente de correlación de Matthews de la red convolucional de dispersión de wavelet propuesta en conjuntos de datos de microfisuras menores de 3 m a un voltaje de 1000 V son del 99.4393%, 99.2523%, 99.6226%, 99.4357% y 98.8819%, respectivamente, con un aumento promedio del 2.0561%. Además, la promoción y validez del algoritmo de detección propuesto se verificaron en un conjunto de datos desequilibrado y un conjunto de datos de huevos de pato. Basándose en los buenos resultados de los experimentos anteriores, se realizaron experimentos adicionales con diferentes voltajes. El nuevo método de extracción de características y detección reduce el voltaje de detección de 1500 V a 500 V, lo que permite lograr una mayor precisión de detección con una relación señal-ruido más baja, reduciendo significativamente el riesgo de daño por alto voltaje a los huevos en incubación y cumpliendo con los requisitos de detección de fisuras.