基于层重要性感知的混合精度量化电力设备缺陷检测方法

本发明公开了一种基于层重要性感知的进化混合精度量化电力设备缺陷检测方法，通过训练支持多混合精度配置路径的超网，利用蒙特卡洛采样动态选择量化策略，并引入动态冻结机制和信息对齐正则项优化训练，基于粒子群优化（PSO）搜索混合精度策略，将混合精度策略编码为粒子位置向量，设计综合模型性能与资源消耗的适应度函数，引入层重要性引导机制，计算各层量化重要性并融入粒子速度更新，离散化粒子位置至合适比特集合，更新全局最优策略，在达到最大迭代轮数或连续K轮全局最优适应度变化小于阈值时终止搜索，输出最优策略并部署量化子模型，本方法实现了电力设备缺陷检测模型在边缘设备上的高效部署与高精度检测，平衡了性能与资源消耗。