10.11930/j.issn.1004-9649.201910011
基于边缘计算与深度学习的输电设备异物检测方法
在输电设备上经常会出现各种异物,如鸟巢、塑料袋,如果不能及时发现并清理将会对输电系统造成很大的安全隐患.因此,及时对输电设备是否有异物进行检测非常必要.针对该问题,提出了一种基于边缘计算和深度学习的异物检测方法.该方法与现有利用无人机拍摄传回云端服务器计算方法不同,通过将检测计算下沉到边缘设备,使用Mobilenet加上优化后SSD的目标检测方法在边缘设备直接处理计算,将检测出异物的图像发回云端.该方法在CPU上的运行速度是基于VGG(目视图像生成器)的SSD方法的5倍左右,是Faster-RCNN的58倍左右;在模型大小上是基于VGG的SSD方法的2/9左右,是Faster-RCNN的2/49左右,精确度为89%;与直接将数据传回云端服务器再进行处理的方式相比,数据传输量减少约90%.该方法不仅满足实时性,还具有可靠的效果,基于该方法的系统已经得到实际部署.
异物检测、边缘计算、卷积神经网络、Mobilenet、SSD
53
国网河北省电力有限公司电力科学研究院项目基于深度学习技术的电网设备图像识别与故障检测技术研究,KJKF-20
2020-06-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
27-33