其他
【精彩论文】基于边缘计算与深度学习的输电设备异物检测方法
引文信息
路艳巧, 孙翠英, 曹红卫, 等. 基于边缘计算与深度学习的输电设备异物检测方法[J]. 中国电力, 2020, 53(6): 27-33.LU Yanqiao, SUN Cuiying, CAO Hongwei, et al. Foreign body detection method for transmission equipment based on edge computing and deep learning[J]. Electric Power, 2020, 53(6): 27-33.
内容摘要
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。
往期回顾
◀【征稿启事】“能源安全新战略路径设计与规划推演关键技术”专栏征稿启事
编辑：杨彪
审核：蒋东方
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。