[发明专利]一种用于电网巡检和监控的边缘智能检测方法

说明书

本发明涉及电网巡检软硬件技术领域，具体地说，涉及一种用于电网巡检和监控的边缘智能检测方法。包括：通过摄像头持续获取图像数据并传输至处理端；处理端对图像数据进行图像识别和提取，提取主要信息数据；基于主要信息数据组成的向量对目标物体进行区别划分；进行风险识别智能检测。本发明设计可以通过边缘智能终端解决云、边、端协问题，能做到快速响应、实时发现与定位问题；可以提升电网的数据采集、分析和应用能力；可以满足无人机巡检、变电站固定场所视频监控、作业现场视频监控的应用场景需求，实现模型的微型化和计算加速，解决因无人机算力不足导致关键隐患的检测能力不佳、为更好地确认隐患需反复飞而续航能力受限的问题。

技术领域

本发明涉及电网巡检软硬件技术领域，具体地说，涉及一种用于电网巡检和监控的边缘智能检测方法。

背景技术

目前，无人机技术已经是电网巡检领域中越来越实用的技术，但是要扩展巡检精度和内容，目前的无人机巡检技术还存在诸多的不足，在无人机巡检的过程中，部分目标过小，无人机拍摄的画面比较远时，而行人在远景中就显得非常小，容易漏检；航拍的视频画面中，有大量的检测物体，可能会同时出现几十上百个目标，而目标被遮挡或重叠，也造成不小的难度。

在无人机巡检场景方面，很多的供电公司、电网公司都配备了无人机，但是无人机进行巡检时，输电线路杆塔中关键部件是否出现故障，一般需要利用云端深层神经网络图像智能识别技术对无人机传回的海量图像数据进行信息的离线分析和模型计算。这样不利于现场作业人员快速定位隐患位置并及时处理。同时输电杆塔的缺陷检测和识别主要采用基于深度学习的目标检测和分类算法，计算量大，无人机终端的处理器难以达到实时检测的效果，对关键部位小微隐患的检测能力不佳，而且无人机的续航时间一直是限制其技术发展的瓶颈，无人机空载的续航能力一般在25～35min之间，并不适用于长距离巡线任务。

电网企业电力终端产生了海量的边缘数据，然而，对于这些海量的边缘数据无法做到快速响应、实时发现与定位风险隐患等问题，目前行业里存在着边缘数据的传输和计算、提高边缘数据感知与风险识别发现与响应困难的难题。故当前在无人机巡检场景上需轻量化的边缘计算智能终端设备加持。

如何在无人机巡检场景下提高边缘数据的进一步识别和响应，就亟须研究更加轻量化的边缘智能终端设备应用。鉴于此，我们提出了一种用于电网巡检和监控的边缘智能检测方法。

发明内容

本发明的目的在于提供一种用于电网巡检和监控的边缘智能检测方法，以解决上述背景技术中提出的问题。

为实现上述技术问题的解决，本发明的目的之一在于，提供了一种用于电网巡检和监控的边缘智能检测方法，包括如下步骤：

步骤1、通过摄像头持续获取采集到的图像数据并传输至处理端；

步骤2、处理端对图像数据进行图像识别和提取，提取图像中的主要信息数据；

步骤3、基于上述主要信息数据组成的向量对目标物体进行区别划分，将二维图像降为一维向量并通过支持向量机对所得到的不同目标图像进行划分、分类和识别，获得电力目标识别；其中，划分、分类和识别的过程包含算法轻量化过程，算法轻量化过程包括高效网络结构处理、模型剪枝处理、权值量化处理、知识蒸馏处理；

其中，高效网络结构处理包括：在模型的训练阶段，结合深度可分离卷积对网络架构进行轻量化；深度可分离卷积针对每个输入通道采用不同的卷积核，就是说一个卷积核对应一个输入通道，这个过程产生的featuremap通道数和输入的通道数一样；

模型剪枝处理包括：在训练的过程当中，对网络的通道维度进行剪枝；在模型进行BN进行网络归一化参数分布后，通过L1正则化对BN上可训练参数γ进行约束，使其趋于0，后续剔除输出为0的通道，减少训练参数，进行稀疏训练，达到对网络剪枝的目的；