典型文献
前端化目标检测技术在电力巡检中的应用研究
文献摘要：
电力巡检机器人存在巡检图像分析和缺陷检测识别必须依赖后台服务器、电力巡检工作实时性较低等问题.针对此问题,研究前端化目标检测技术,提出层间合并、参数量化的深度学习模型轻量化方法,模型体积压缩为原模型的60％,模型推理效率提升10～20倍,解决了深度学习模型网络层数深、结构复杂、存储占用多、推理效率低的问题.将轻量化模型部署在边缘侧设备中,设计了电力巡检图像前端化目标检测系统,实现输变电站机器人的全自主巡检与缺陷自动采集,同时与后端服务器进行协同交互,建立了"云-边-端"协同运检体系,能够提升电力巡检效率、降低巡检成本,为电力巡检机器人推广应用提供参考.
文献关键词：
模型轻量化;边缘推理;电力巡检;目标检测
中图分类号：
作者姓名：
杨学杰;宋凯;曹付勇;王一夔;许荣浩
作者机构：
国网山东省电力公司淄博供电公司,山东 淄博 255000;国网智能科技股份有限公司,山东 济南 250101
文献出处：
引用格式：
[1]杨学杰;宋凯;曹付勇;王一夔;许荣浩-.前端化目标检测技术在电力巡检中的应用研究)[J].山东电力技术,2022(01):7-12
A类：
B类：
目标检测,电力巡检机器人,图像分析,缺陷检测,检测识别,后台服务器,出层,参数量化,深度学习模型,模型轻量化,量化方法,积压,模型推理,网络层,层数,轻量化模型,模型部署,边缘侧,输变电,变电站,自主巡检,自动采集,后端服务器,服务器进行,运检,巡检效率,边缘推理
AB值：
0.358014
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。
