[发明专利]一种基于云边协同技术的电力设备智能图像识别系统及识别方法

权利要求书

1.一种基于云边协同技术的电力设备智能图像识别系统，其特征在于，包括：图像采集设备、边缘设备和云平台，所述边缘设备上设置有ZEUS AI智能计算硬件平台和嵌入式目标检测算法软件平台，所述图像采集设备、边缘设备和云平台彼此之间通过网络传输数据。

2.一种基于云边协同技术的电力设备智能图像识别方法，其特征在于，包括如下步骤：

S1：所述图像采集设备采集电力设备的图像样本数据并进行分析；

S2：选择检测识别模型，进行模型的训练；

S3：根据对应用场景的分析，汇总出电力设备运维的监测范围；

S4：根据采集的所述图像样本标定所述模型训练的结果，并在所述边缘设备的ZEUS AI智能计算硬件平台和所述嵌入式目标检测算法软件平台上进行深度学习；

S5：根据所述深度学习再次进行S2中所述的模型训练并得到模型训练结果；

S6：根据所述模型训练结果进行参数调整，完成模拟测试。

3.根据权利要求2所述的基于云边协同技术的电力设备智能图像识别方法，其特征在于，所述嵌入式目标检测算法的实现过程包括：

提取输入的视频流，选择一帧数据进行预处理操作；

将经过所述预处理操作后的数据输入经过预训练的分类网络中，并固定其对应的网络参数；

经过所述预训练分类网络的最后一个卷积层对获得的特征图进行如下操作：

a.在所述特征图上进行区域生成网络操作并获得相应的感兴趣区域；

b.在所述特征图上获取若干K*K*(C+1)维的位置敏感得分映射图并进行分类操作；

c.在所述特征图上获取若干4*K*K维的位置敏感得分映射图并进行回归操作；

d.在所述K*K*(C+1)维的位置敏感得分映射图和所述4*K*K维的位置敏感得分映射图上面分别执行位置敏感的ROI池化操作，并获取对应的类别和位置信息，所述K为感兴趣区域子区域的大小，所述C为识别的目标类别数量。

4.根据权利要求3所述的基于云边协同技术的电力设备智能图像识别方法，其特征在于：所述K大于等于3且小于等于5；所述C大于等于2且小于等于3。