买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安建筑科技大学申请的专利基于边缘增强与多尺度特征融合的光伏电池缺陷检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121258983B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511803590.6，技术领域涉及：G06T7/00；该发明授权基于边缘增强与多尺度特征融合的光伏电池缺陷检测方法是由刘沛津;周协武;孙昱设计研发完成，并于2025-12-03向国家知识产权局提交的专利申请。

本基于边缘增强与多尺度特征融合的光伏电池缺陷检测方法在说明书摘要公布了：本申请涉及基于深度学习的缺陷检测领域，公开了基于边缘增强与多尺度特征融合的光伏电池缺陷检测方法，其中：获取光伏电池的EL图像；采用光伏缺陷检测模型中集成有光伏边缘信息辅助提取器和增强型扩张卷积残差块的主干网络，对EL图像进行特征提取，得到多尺度特征图像；采用光伏缺陷检测模型中作为颈部网络的多级上下文特征融合金字塔网络，对多尺度特征图像中每一尺度特征图像进行特征融合和增强，得到多尺度语义特征增强图像；采用光伏缺陷检测模型的头部网络，对多尺度语义特征增强图像进行缺陷检测，得到光伏电池的缺陷类型和缺陷位置。本申请能够提高对光伏电池的缺陷检测精度和效率。

本发明授权基于边缘增强与多尺度特征融合的光伏电池缺陷检测方法在权利要求书中公布了：1.一种基于边缘增强与多尺度特征融合的光伏电池缺陷检测方法，其特征在于，所述方法包括： 获取光伏电池的电致发光EL图像； 采用光伏缺陷检测模型中主干网络的增强型扩张卷积残差块中的多个不同扩张率的并行卷积分支，从所述EL图像中并行提取多尺度上下文特征，得到多组初始特征；其中，所述光伏缺陷检测模型中的主干网络集成有光伏边缘信息辅助提取器和所述增强型扩张卷积残差块；所述光伏边缘信息辅助提取器引入有层级式的边缘感知机制； 采用所述增强型扩张卷积残差块中的语义残差融合模块，对所述多组初始特征进行整合，得到整合特征，并将所述整合特征与所述EL图像进行残差连接，得到具有高级语义信息的原始视觉特征图像； 采用所述光伏边缘信息辅助提取器中的多尺度边缘信息生成器，对所述原始视觉特征图像进行多尺度边缘特征提取，得到多尺度边缘特征图像集合； 采用所述光伏边缘信息辅助提取器中的多个级联的边缘特征传输融合模块，对所述多尺度边缘特征图像集合与所述原始视觉特征图像进行逐级融合，得到多尺度特征图像；其中，所述多个级联的边缘特征传输融合模块对应的模块数量，与所述多尺度边缘特征图像集合包括的图像数量相同； 基于每一尺度特征图像，采用多级上下文特征融合金字塔网络中的特征选择模块中的全局平均池化层和全局最大池化层，分别确定所述尺度特征图像的全局平均通道级特征和全局最大通道级特征；其中，所述多级上下文特征融合金字塔网络为所述光伏缺陷检测模型的颈部网络； 采用所述特征选择模块中的全连接层和非线性激活函数，对所述全局平均通道级特征和所述全局最大通道级特征进行融合，得到所述尺度特征图像的通道注意力图像； 采用所述特征选择模块中的自适应注意力模块，基于所述尺度特征图像的通道注意力图像对所述尺度特征图像进行加权，得到每一所述尺度特征图像对应的增强特征图像； 确定由每一所述尺度特征图像对应的增强特征图像组成的多尺度增强特征图像； 采用所述多级上下文特征融合金字塔网络中的自适应特征融合模块，对所述多尺度增强特征图像中每一尺度增强特征图像进行多层次语义特征融合，得到多尺度语义特征增强图像； 采用所述光伏缺陷检测模型的头部网络，对所述多尺度语义特征增强图像进行缺陷检测，得到所述光伏电池的缺陷类型和缺陷位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安建筑科技大学，其通讯地址为：710055 陕西省西安市碑林区雁塔路中段13号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。