简介:摘要:由于线路走廊非正常运行而引起的线路失效,已成为引起输电线路事故的重要因素,给社会带来了巨大的经济损失。但是,在传输线的边界端,由于设备的算力、电力和通信等资源的限制,仍然需要以50分钟为单位定时传送到数据中心,这就造成了数据中心负载过大,漏警率高,紧急情况下的处理能力严重不足。因此,本文拟以输电线通道为研究对象,研究一种基于边缘智能的输电线通道异常对象探测框架,在此基础上,采用改进的MobileNetv5网络对异常对象进行精细提取,并采用YOLOv5多尺度对象探测网络对高、低维度特征进行融合,提高其辨识准确率。在此基础上,本文拟采用贡献值敏感的信道裁剪方法,对网络中的节点进行轻量化压缩,从而形成轻量化的输电线异常对象探测模型。
简介:摘要:由于线路走廊非正常运行而引起的线路失效,已成为引起输电线路事故的重要因素,给社会带来了巨大的经济损失。但是,在传输线的边界端,由于设备的算力、电力和通信等资源的限制,仍然需要以50分钟为单位定时传送到数据中心,这就造成了数据中心负载过大,漏警率高,紧急情况下的处理能力严重不足。因此,本文拟以输电线通道为研究对象,研究一种基于边缘智能的输电线通道异常对象探测框架,在此基础上,采用改进的MobileNetv5网络对异常对象进行精细提取,并采用YOLOv5多尺度对象探测网络对高、低维度特征进行融合,提高其辨识准确率。在此基础上,本文拟采用贡献值敏感的信道裁剪方法,对网络中的节点进行轻量化压缩,从而形成轻量化的输电线异常对象探测模型。