电力巡检机器人存在巡检图像分析和缺陷检测识别必须依赖后台服务器、电力巡检工作实时性较低等问题.针对此问题,研究前端化目标检测技术,提出层间合并、参数量化的深度学习模型轻量化方法,模型体积压缩为原模型的60％,模型推理效率提升10～20倍,解决了深度学习模型网络层数深、结构复杂、存储占用多、推理效率低的问题.将轻量化模型部署在边缘侧设备中,设计了电力巡检图像前端化目标检测系统,实现输变电站机器人的全自主巡检与缺陷自动采集,同时与后端服务器进行协同交互,建立了"云-边-端"协同运检体系,能够提升电力巡检效率、降低巡检成本,为电力巡检机器人推广应用提供参考.
国家科技期刊平台
NSTL
万方数据
维普
