融合多尺度特征与重参数化策略的光伏电池缺陷检测方法

本申请涉及深度学习技术领域，尤其涉及一种融合多尺度特征与重参数化策略的光伏电池缺陷检测方法，包括获取待检测的图像；将图像输入至缺陷检测模型，缺陷检测模型中，骨干网络用于提取图像的特征图并利用第一C3K2_MSDA模块对特征图进行多尺度空洞滑动窗口自注意力聚合输出多尺度特征图；颈部网络用于对多尺度特征图进行上采样并将上采样后的特征图与来自骨干网络的特征图进行拼接生成融合特征图，利用第二C3K2_MSDA模块和EMA‑AFF模块再次进行多尺度特征聚合并生成跨尺度融合特征图；头部网络中的DEC‑Head模块对跨尺度融合特征图进行检测处理，输出每个候选区域的缺陷类别概率和对应的边界框位置作为检测结果；设计损失函数并利用损失函数优化缺陷检测模型。本申请能够提升模型缺陷检测的性能。