首页|基于边缘计算与深度学习的输电设备异物检测方法

基于边缘计算与深度学习的输电设备异物检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Foreign Body Detection Method for Transmission Equipment Based on Edge Computing and Deep Learning

路艳巧、孙翠英、曹红卫、闫红伟

展开 >

国网河北省电力有限公司电力科学研究院,河北 石家庄 050021

国网河北省电力有限公司石家庄供电分公司,河北 石家庄 050000

异物检测 边缘计算 卷积神经网络 Mobilenet SSD

国网河北省电力有限公司电力科学研究院项目

KJKF-20

2020

中国电力
国网能源研究院 中国电机工程学会

中国电力

CSTPCDCSCD北大核心
影响因子：1.463
ISSN：1004-9649
年,卷(期)：2020.53(6)
  • 24
  • 4