基于边缘计算与深度学习的输电设备异物检测方法

• 作者: 孙翠英 曹红卫 路艳巧 闫红伟
• 来源期刊: 中国电力
• 关键词: 异物检测 边缘计算 卷积神经网络 Mobilenet SSD
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能在电力系统的应用
• 页码范围: 27-33
• 页数: 7页
• 字数: 3910字
• 语种: 中文
• DOI: 10.11930/j.issn.1004-9649.201910011

摘要

在输电设备上经常会出现各种异物,如鸟巢、塑料袋,如果不能及时发现并清理将会对输电系统造成很大的安全隐患.因此,及时对输电设备是否有异物进行检测非常必要.针对该问题,提出了一种基于边缘计算和深度学习的异物检测方法.该方法与现有利用无人机拍摄传回云端服务器计算方法不同,通过将检测计算下沉到边缘设备,使用Mobilenet加上优化后SSD的目标检测方法在边缘设备直接处理计算,将检测出异物的图像发回云端.该方法在CPU上的运行速度是基于VGG(目视图像生成器)的SSD方法的5倍左右,是Faster-RCNN的58倍左右;在模型大小上是基于VGG的SSD方法的2/9左右,是Faster-RCNN的2/49左右,精确度为89％;与直接将数据传回云端服务器再进行处理的方式相比,数据传输量减少约90％.该方法不仅满足实时性,还具有可靠的效果,基于该方法的系统已经得到实际部署.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	路艳巧	国网河北省电力有限公司电力科学研究院	8	11	2.0	3.0
2	孙翠英	国网河北省电力有限公司电力科学研究院	19	22	2.0	3.0
3	曹红卫		1	0	0.0	0.0
4	闫红伟		1	0	0.0	0.0