[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

说明书

本发明公开了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，所述电力设备智能图像识别系统包括：图像采集设备、边缘设备和云平台，所述图像采集设备上运行有嵌入式目标检测算法；所述边缘设备上运行有嵌入式目标检测算法且设置有ZEUS AI智能计算硬件平台；所述云平台上运行有嵌入式目标检测算法；所述图像采集设备、边缘设备和云平台彼此之间电性连接且通过网络传输数据。本技术方案选择ZEUS AI智能计算硬件平台与CAFFE算法框架，采用人工智能深度学习完成电力配网的安全帽检测、人员倒地和轨迹跟踪等目标检测的算法训练、性能调优。

技术领域

本发明涉及电气工程科学领域，尤其涉及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。

背景技术

随国内外有关人工智能的发展目前除了人脸识别和车牌识别技术趋于成熟，已经在各个细分领域开始规模化商用外，其它相关技术受限于各种因素而进展缓慢，尤其是在无数的细分行业领域有无数的细分应用场景，其定制化难度以及规模化市场效应都极大的限制了技术的发展速度。

随着电力物联网技术的深入发展，数以万计的电力设备将产生海量的数据，特别是在计算机视觉领域，其前端设备产生的图片、视频数据量更是巨大，如果将这些数据全部汇聚到云端进行智能分析，会给通信的带宽要求和实时性要求等带来无限压力，特别是一些实时性和隐私安全要求比较高的场景，如自动驾驶等将大量的视频数据传输到云端处理后再将决策结果返回来是不现实的，这就要求我们在靠近数据源的设备节点侧或网络边缘侧，就近提供边缘智能服务，将AI算力(推断能力)逐渐从云端迁移到边缘侧。云端则专注于非实时、大数据量的深度学习算法的“训练”，优化算法模型，并为边缘提供算法调度等服务。边缘计算和云计算相结合的技术越来越受到重视，在各种AI+IOT场景，边缘计算和云计算将在各种应用场景中得到广泛应用。

根据电力施工场所的安全规范，所有施工人员必须佩戴安全帽、按规定线路巡检。为了监督所有施工人员是否符合安全施工要求，目前的方式一般包括：一、人工监控方法：通过现场安装的摄像头，将施工场所人员监控视频传输到监管中心，人工去检查视频；二、基于云端智能的监控方法：通过现场安装摄像头，将施工场所的监控视频传输到监管中心，在监管中心部署计算服务器，通过服务器上部署的AI算法，对接收到的视频进行处理，分析施工人员是否符合安全管理要求并向监管人员报警。

方法一完全没有采用智能化的手段，全靠人工识别，存在诸多缺点：1)人工检查，效率低；2)当同时刻多个施工场所的时候，可能存在监控遗漏或需要更多的监管人员的进行检查，成本高，效果差；3)施工场所与监控中心间普遍采用无线传输实时视频，带宽要求高，视频质量很难保证，同时大量的冗余视频导致带宽浪费。方法二在方法一的基础上，增加了人工智能识别处理，效率得到了较大提高，但是，采用云端服务器，成本高，同时需要施工现场实时传输完整视频到云端，存在时延大、带宽浪费等缺点。

发明内容

针对以上问题，本发明提出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。

为实现本发明的目的，本发明提供一种基于云边协同技术的电力设备智能图像识别系统，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。

进一步地，本发明提供一种基于云边协同技术的电力设备智能图像识别方法，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；