典型文献
基于云/边协同的输电通道隐患目标自学习识别系统研发
文献摘要：
为解决现有输电线路通道隐患自动识别系统中海量图像数据导致的网络负载、云端计算量大以及图像识别算法缺乏自学习迭代更新机制的问题,提出基于人工智能计算平台的输电线路通道隐患自学习识别系统.首先,所提系统基于云/边协同计算策略,将推理计算前移至边缘计算设备端,模型训练在云端进行,更新后的算法再部署至边端,减少网络传输和云端计算压力;其次,采用自学习机制,通过对隐患目标进行识别与跟踪,应用插值计算自主发现并标注典型图像帧,传至云端迭代学习,实现云/边自学习更新;最后,所提系统在特高压输电线路智慧物联监控平台中进行应用.实验结果表明,基于云/边协同的智能识别算法架构有效降低网络传输负载和云端计算压力,实现实时性、自动化识别,采用自学习机制,目标识别算法准确率在96％以上.
文献关键词：
输电线路;通道隐患;云/边协同;目标检测算法;自学习机制
中图分类号：
作者姓名：
陶汉涛;李健;姜志博;吴大伟;白冰洁;张磊
作者机构：
南瑞集团有限公司,江苏南京 211106;国网电力科学研究院武汉南瑞有限责任公司,湖北武汉 430074
文献出处：
引用格式：
[1]陶汉涛;李健;姜志博;吴大伟;白冰洁;张磊-.基于云/边协同的输电通道隐患目标自学习识别系统研发)[J].电力信息与通信技术,2022(10):36-43
A类：
通道隐患
B类：
输电通道,系统研发,线路通道,自动识别系统,中海,图像数据,网络负载,云端,计算量,图像识别,迭代更新,更新机制,智能计算,计算平台,协同计算,计算策略,前移,移至,边缘计算,计算设备,模型训练,网络传输,计算压力,自学习机制,自主发现,迭代学习,特高压输电线路,智慧物联,监控平台,智能识别,传输负载,自动化识别,目标识别算法,目标检测算法
AB值：
0.304724
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
