典型文献
基于边缘智能的输电线路异常目标高效检测方法研究
文献摘要：
输电线路异常目标所导致的故障已经成为造成输电线路停运的主要原因,对社会造成极大的经济损失.然而由于输电线路边缘侧设备算力、供电、通信资源受限,仍需将图像定时(如间隔30min)发送至数据中心进行处理,导致数据中心负荷重,检测漏报率高,应急处理能力严重不足.为此,文章构建了基于边缘智能的输电线路异常目标检测架构,并提出一种针对输电线路场景复杂背景复杂形状的异常目标检测模型,该模型基于改进型MobileNetv3网络精细化提取异常目标特征信息,然后利用多尺度目标检测网络YOLOv3融合高低维特征信息提升识别精度.进一步地,针对资源受限的边缘终端,基于贡献度感知通道剪枝策略,实现模型轻量化压缩,得到轻量化输电线路异常目标检测模型.最后,为了验证文章所提模型性能,与系列典型边缘侧模型进行对比实验,实验结果表明文章模型识别精度、推理速度均取得优异表现,并具备良好的泛化性和鲁棒性,实现了输电线路异常目标边缘侧高效检测.
文献关键词：
输电线路目标检测;图像识别;轻量化神经网络;通道剪枝;边缘智能
中图分类号：
作者姓名：
张鋆;王继业;宋睿;张树华;焦飞
作者机构：
湖南大学电气与信息工程学院,湖南省 长沙市 410082;中国电力科学研究院有限公司,北京市 海淀区 100192
文献出处：
引用格式：
[1]张鋆;王继业;宋睿;张树华;焦飞-.基于边缘智能的输电线路异常目标高效检测方法研究)[J].电网技术,2022(05):1652-1661
A类：
输电线路目标检测
B类：
边缘智能,标高,高效检测,停运,路边,边缘侧,算力,通信资源,资源受限,需将,30min,发送至,数据中心,荷重,测漏,漏报率,应急处理能力,严重不足,异常目标检测,复杂背景,复杂形状,目标检测模型,改进型,MobileNetv3,目标特征,特征信息,多尺度目标检测,目标检测网络,YOLOv3,低维特征,识别精度,边缘终端,贡献度,通道剪枝,模型轻量化,模型性能,明文,模型识别,推理速度,泛化性,侧高,图像识别,轻量化神经网络
AB值：
0.340234
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。
