[发明专利]一种故障检测模型轻量化的方法、系统、设备及存储介质

说明书

本发明实施例提供了一种故障检测模型轻量化的方法、系统、设备及存储介质，方法包括：利用预设训练集和预设测试集对第一电力设备故障检测模型进行训练，获得第二电力设备故障检测模型，利用轻量化网络结构对第二电力设备故障检测模型的基础网络结构进行替换，获得第三电力设备故障检测模型，将第三电力设备故障检测模型输入到预设压缩微调算法中，进行压缩微调，获得第四电力设备故障检测模型，将第四电力设备故障检测模型输入到预设优化引擎中，以使预设优化引擎对第四电力设备故障检测模型进行优化，获得轻量化的电力设备故障检测模型。本发明实现了在保证输出结果准确的前提下，降低神经网络模型的结构复杂程度。

技术领域

本发明涉及模型压缩领域，特别是涉及一种故障检测模型轻量化的方法、系统、设备及存储介质。

背景技术

随着越来越多的传感器被应用与电力设备的故障检测，神经网络模型以其对数据处理的智能化和高效化的特点，被越来越多的用于处理上述传感器传输的海量检测数据。

但是，由于传感器上传数据的数量及复杂度的增加，使得现有对于电力设备故障检测的模型的结构和运算复杂程度也随之增加，这直接导致现有模型对部署平台硬件的需求增高，限制了现有模型在低配置平台的部署和应用。因此，如何在保证运算准确的前提下，降低神经网络的复杂程度，已成为相关领域技术人员亟待结局的问题。

发明内容

本发明实施例的目的在于提供一种故障检测模型轻量化的方法、系统、设备及存储介质，以实现在保证运算准确的前提下，降低神经网络模型的结构复杂程度。具体技术方案如下：

一种故障检测模型轻量化的方法，所述方法包括：

利用预设训练集和预设测试集对第一电力设备故障检测模型进行训练，获得第二电力设备故障检测模型，其中，所述预设训练集和所述预设测试集包括：电力设备终端采集的监测数据和对应故障类型，所述第一电力设备故障检测模型为基于Resnet的机器学习模型。

利用轻量化网络结构对所述第二电力设备故障检测模型的基础网络结构进行替换，获得第三电力设备故障检测模型。

将所述第三电力设备故障检测模型输入到预设压缩微调算法中，以使所述预设压缩微调算法对所述第三电力设备故障检测模型进行压缩微调，获得第四电力设备故障检测模型，其中，所述预设压缩微调算法包括：预设剪枝算法和预设知识蒸馏算法。

将所述第四电力设备故障检测模型输入到预设优化引擎中，以使所述预设优化引擎对所述第四电力设备故障检测模型进行优化，获得轻量化的电力设备故障检测模型。

可选的，所述利用轻量化网络结构对所述第二电力设备故障检测模型的基础网络结构进行替换，获得第三电力设备故障检测模型，具体包括：

利用所述轻量化网络结构，对所述基础网络结构中的卷积核进行替换，并减少所述卷积核中的第一数量个通道数，获得经过处理的所述第三电力设备故障检测模型。

可选的，所述将所述第三电力设备故障检测模型输入到预设压缩微调算法中，以使所述预设压缩微调算法对所述第三电力设备故障检测模型进行压缩微调，获得第四电力设备故障检测模型，包括：

利用所述预设剪枝算法对所述第三电力设备故障检测模型进行压缩，获得经过压缩的第五电力设备故障检测模型。

利用所述预设知识蒸馏算法对所述第五电力设备故障检测模型进行微调，获得所述第四电力设备故障检测模型。

可选的，所述利用所述预设剪枝算法对所述第三电力设备故障检测模型进行压缩，获得经过压缩的第五电力设备故障检测模型，具体包括：