基于深度学习模型小型化技术的输电线路智能巡检研究与应用

• 作者: 冯原 王晓迪 辛颖 韩树民
• 来源期刊: 四川电力技术
• 学科: 工学
• 关键词: 输电线路巡检 飞桨深度学习框架 深度学习模型小型化技术 边缘计算
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 21-25
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

为了解决目前输电线路智能巡检图像采集真空期长以及效率低的问题,提出了基于深度学习模型小型化技术的电力输电线路智能巡检方案.通过飞桨的模型压缩库PaddleSlim,将可以进行输电线路异常识别的模型小型化;再将小型化模型部署在端侧推理引擎Paddle Lite驱动的无源无线的移动设备中,实现了在低算力、低功耗情况下的输电线路智能巡检.方案成果在某电网公司中应用实践,验证了方案的实用性.