[发明专利]基于边云协同的电力设备检测方法、装置、设备及服务器

说明书

本发明公开了一种基于边云协同的电力设备检测方法、装置、设备及服务器。其中，该方法包括：边缘设备获取待检测电力设备图像；识别待检测电力设备图像，确定待检测电力设备图像的第一级识别结果以及第一级识别结果对应的图像切片；发送图像切片至云端服务器；云端服务器接收图像切片；识别图像切片，确定图像切片的第二级识别结果；发送第二级识别结果至边缘设备；边缘设备接收云端服务器对图像切片的第二级识别结果，基于第一级识别结果以及第二级识别结果，确定待检测电力设备图像的目标检测信息。通过边云协同方式确定待检测电力设备图像的目标检测信息，同时保证了电力设备图像的传输时间以及数据处理能力，提高了电力设备的缺陷检测效率。

技术领域

本发明涉及电力设备检测技术领域，具体涉及一种基于边云协同的电力设备检测方法、装置、设备及服务器。

背景技术

电力公司通常采用无人机、有人机、摄像头、机器人以及手持终端等设备对电力设备的图像进行采集，并通过人工智能图像识别技术，对采集到电力设备图像进行处理，识别电力设备所存在的缺陷或隐患。然而，电力设备图像的图像识别模型通常布置在云端服务器(即云端)或边缘设备(即边缘端)。其中，云端的计算能力强，计算速度快，但距离数据源较远，数据传输时间长；边缘端的计算能力弱，计算速度慢，但距离数据源较近，数据传输时间短。

但是，若将采集到的电力设备图像全部上传到云端进行识别，不仅传输时间长，效率低，而且将数据全部上传至云端也不现实；若将采集到的电力设备图像全部在边缘端进行识别，由于边缘端的计算能力较弱，导致运算时间较长，检测效率较低。因此，现有的电力设备的缺陷检测方法均存在检测效率较低的问题。

发明内容

有鉴于此，本发明实施例提供了一种基于边云协同的电力设备检测方法、装置、设备及服务器，以解决现有电力设备的缺陷检测方法检测效率较低的问题。

根据第一方面，本发明实施例提供了一种基于边云协同的电力设备检测方法，用于边缘设备，包括：获取待检测电力设备图像；识别所述待检测电力设备图像，确定所述待检测电力设备图像的第一级识别结果以及所述第一级识别结果对应的图像切片；发送所述图像切片至云端服务器；接收所述云端服务器对所述图像切片的第二级识别结果；基于所述第一级识别结果以及所述第二级识别结果，确定所述待检测电力设备图像的目标检测信息。

本发明实施例提供的基于边云协同的电力设备检测方法，通过边缘设备获取待检测电力设备图像，识别待检测电力设备图像，并确定待检测电力设备图像的第一级识别结果以及第一级识别结果对应的图像切片，边缘设备将图像切片发送至云端服务器以使云端服务器识别该图像切片，并接收来自云端服务器对图像切片的第二级识别结果，基于第一级识别结果以及第二级识别结果，确定待检测电力设备图像的目标检测信息。通过边云协同的方式确定待检测电力设备图像对应的目标检测信息，同时保证了电力设备图像的传输时间以及数据处理能力，从而提高了电力设备的缺陷检测效率。

结合第一方面，在第一方面的第一实施方式中，所述识别所述待检测电力设备图像，确定所述待检测电力设备图像的第一级识别结果以及所述第一级识别结果对应的第一级图像切片，包括：将所述待检测电力设备图像输入到第一图像识别模型，其中，所述第一图像识别模型预先根据多个电力设备的图像样本以及所述电力设备的故障图像样本训练得到；基于所述第一图像识别模型，得到所述待检测电力设备图像对应的第一级识别结果；基于所述第一级识别结果，从所述待检测电力设备图像中确定出对应于所述第一级识别结果的图像切片。

本发明实施例提供的基于边云协同的电力设备检测方法，通过将待检测电力设备图像输入到边缘设备侧的第一图像识别模型，得到待检测电力设备图像对应的第一级识别结果，并从待检测电力设备图像中确定出对应于第一级识别结果的图像切片。其中，第一图像识别模型是预先根据多个电力设备的图像样本以及电力设备的故障图像样本训练得到的。由此保证了边缘设备侧对电力设备图像的检测准确度。