[发明专利]考虑风险瞬时性的生产安全风险辨识模型前端加速方法

说明书

本发明公开了考虑风险瞬时性的生产安全风险辨识模型前端加速方法，包括：利用基于MobileNetV3的轻量化生产影像视觉特征提取模块进行特征提取；对替换后的生产安全风险辨识模型进行样本训练和测试，得到基准生产安全风险辨识模型；利用联合判别函数评估基准生产安全风险辨识模型中各个特征通道的重要程度；根据各个特征通道的重要程度，剪枝删除冗余的特征通道，然后进行微调整得到轻量化生产安全风险辨识模型；判断轻量化生产安全风险辨识模型是否达到终止条件，否则回到上一步；利用量化运算方式对轻量化生产安全风险辨识模型进行轻量化压缩。能提高风险辨识模型在风险防护前端装置的响应速度，保障生产安全风险防控的时效性。

技术领域

本发明属于电力安全管控方法技术领域，涉及考虑风险瞬时性的生产安全风险辨识模型前端加速方法。

背景技术

随着电力系统的规模不断扩大，系统运行过程中的安全事故频繁发生。其中电力生产安全风险的强瞬时性为电力安全管控带来了巨大的挑战。由于电力生产安全风险的强瞬时性特征，对于风险智能辨识模型的响应速度有较高需求，将智能模型推理过程下放至实体防护装置前端中实现风险的本地化识别与告警已成为迫切发展趋势。然而当前安全风险识别方法主要是以卷积神经网络等深度学习模型为基础，借助云计算中心丰富的计算资源进行模型训练与推理，现有安全风险辨识模型呈现结构庞大、网络层数多、所需计算资源较多等特点，无法适用于算力有限的生产安全风险防护前端装置。

为了提高对于终端数据的传输能力和运算速度，边缘计算得到了相关领域的广泛关注，并先后衍变出了移动边缘计算(Mobile edge computing，MEC)、雾计算(Fogcomputing)和海计算(sea computing)等多个相关概念。同时边缘计算与人工智能技术相互赋能，催生出了边缘智能的概念。边缘智能是在具有计算资源的边缘设备中部署和运行智能识别方法进行数据分析处理的模式，以便能够快速的处理用户终端侧产生的待分析数据，从而实现用户需求的快速响应与智能服务，其中边缘终端包括用户侧的采集终端设备和边缘服务器。利用边缘智能的思想可以有效的打破感知终端计算资源的限制，从而将基于深度卷积神经网络的智能风险辨识模型部署到安全风险防护前端装置中，是提高模型响应速度及防控有效性的关键。当前安全风险识别方法主要是以卷积神经网络等深度学习模型为基础，借助云计算中心丰富的计算资源进行模型训练与推理，现有安全风险辨识模型呈现结构庞大、网络层数多、所需计算资源较多等特点，无法适用于算力有限的生产安全风险防护前端装置。

发明内容

本发明的目的是提供一种考虑风险瞬时性的生产安全风险辨识模型前端加速方法，解决了现有技术中存在的现有安全风险辨识模型呈现结构庞大的问题。

本发明所采用的技术方案是，考虑风险瞬时性的生产安全风险辨识模型前端加速方法，包括以下步骤：

步骤1、将生产安全风险辨识模型作为原始模型；

步骤2、利用基于MobileNetV3的轻量化生产影像视觉特征提取模块替代生产安全风险辨识模型中的基于卷积神经网络的复杂特征提取模块，得到替换后的生产安全风险辨识模型；

步骤3、对替换后的生产安全风险辨识模型进行样本训练和测试，得到基准生产安全风险辨识模型；

步骤4、利用联合判别函数评估基准生产安全风险辨识模型中各个特征通道的重要程度；

步骤5、根据各个特征通道的重要程度，剪枝删除基准生产安全风险辨识模型中冗余的特征通道，然后对删除特征通道后模型架构进行微调整，保证剪枝后风险辨识模型的完整性，得到轻量化生产安全风险辨识模型；

步骤6、判断轻量化生产安全风险辨识模型是否达到终止条件，否则回到上一步；

步骤7、利用量化运算方式对轻量化生产安全风险辨识模型进行轻量化压缩。

本发明的特点还在于：