一种应用于电力配网竣工验收的深度学习缺陷检测系统的制作方法

本发明涉及电数字数据处理领域，具体涉及一种应用于电力配网竣工验收的深度学习缺陷检测系统。

背景技术：

1、目前关于电力配网场景应用的研究领域中，研究大多聚焦于参数量一千万以上的算法模型以及在算力充足的服务器部署的模型，针对边缘端的轻量化研究改进少。在较少的关于电力配网场景的边缘端进行的轻量化目标检测模型的研究和专利中，聚焦的缺陷类型覆盖面较小，如单个模型只可检测绝缘子及其有关缺陷，未覆盖杆塔及绑扎带有关缺陷；或者算法检测的缺陷类别定位不清晰，不符合现实情况，检测结果具研究意义而现实应用意义较低，现有的覆盖面较广泛的电力配网场景的深度学习检测算法模型参数量较大，计算消耗较大，在算力较低的边缘设备运算时间长，无法体现边缘设备降低云端通信负载的优势。

2、背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。

3、现在已经开发出了很多电力配网检测系统，经过大量的检索与参考，发现现有的检测系统有如公开号为cn108132418b所公开的系统，这些系统一般包括检测装置、服务器和用户终端，所述检测装置、服务器和用户终端通过互联网通信连接构成电力设备的联网监控系统。所述检测装置用于对用电网络总开关处或分开关处的电信号进行采样获取电信号；所述服务器通过预定算法将电信号分解成具有不同特征的信号分量，与所述用电网络中各个电力设备预设的参考信号分量的特征进行匹配，以确定各个电力设备所对应的信号分量；基于所述各个电力设备所对应的信号分量确定所述用电网络中相应电力设备的运行状态。但该系统是通过检测电信号的方式来检测设备的，无法发现与电信号无关的外部异常现象。

技术实现思路

1、本发明的目的在于，针对所存在的不足，提出了一种应用于电力配网竣工验收的深度学习缺陷检测系统。

2、本发明采用如下技术方案：

3、一种应用于电力配网竣工验收的深度学习缺陷检测系统，包括模型训练模块、同步传输模块、边缘检测模块和展示报告模块；

4、所述模型训练模块用于对大规模模型和轻量化模型进行训练提高轻量化模型的检测效果，所述同步传输模块用于将轻量化模型数据传输给所述边缘检测模块并将边缘检测模块的检测结果传输给所述展示报告模块，所述边缘检测模块基于边缘盒子对电力设备进行实时检测，所述展示报告模块用于显示边缘检测模块的检测结果；

5、所述模型训练模块包括训练数据管理单元、大规模模型训练单元、轻量化模型训练单元、蒸馏量化单元和模型打包单元，所述训练数据管理单元用于存储训练数据并发送给所述大规模模型训练单元和轻量化模型训练单元，所述大规模模型训练单元基于千万级别参数量的模型对训练数据进行训练，所述轻量化模型训练单元基于少于千万级别参数量的模型对训练数据进行训练，所述蒸馏量化单元对大规模模型训练单元的输出结果进行蒸馏并根据蒸馏结果对轻量化模型训练单元进行量化处理，所述模型打包单元用于将量化后的轻量化模型数据进行打包处理；

6、所述边缘检测模块包括图像拍摄单元、检测存储单元、检测管理单元、检测执行单元和模型同步单元，图像拍摄单元用于拍摄电力配网场景的视频流信息，所述检测存储单元用于保存视频流信息和检测结果信息，所述检测管理单元用于从视频流中获取帧数据并发送给所述检测执行单元，所述检测执行单元用于运行轻量化模型对帧数据进行检测，所述模型同步单元用于接收打包数据并将检测执行单元中的轻量化模型进行同步处理；

7、进一步的，所述蒸馏量化单元包括蒸馏处理器、编号匹配处理器、优化处理器和量化处理器，所述蒸馏处理器对大规模模型训练单元的输出结果进行蒸馏处理，所述编号匹配处理器将蒸馏结果与轻量化模型训练单元的输出结果根据编号信息进行匹配，所述优化处理器根据匹配结果计算轻量化模型训练单元的损失函数并对轻量化模型训练单元中的参数进行优化，所述量化处理器对轻量化模型进行非对称量化处理；

8、进一步的，所述蒸馏处理器根据下式进行蒸馏处理得到标签信息：

9、

10、其中，z(i)表示大规模模型训练单元的第i个输出结果，q(i)表示第i个标签信息，t为蒸馏温度，exp()表示以自然常数为底的指数函数，m为大规模模型训练单元在一个训练批次中的输出结果数量；

11、进一步的，所述检测管理单元包括时间消耗监测处理器、数据吞吐性能监测处理器和帧信息控制处理器，所述时间消耗监测处理器用于监测所述检测执行单元从接收一张帧信息到输出检测结果所消耗的时间，所述数据吞吐性能监测处理器用于监测边缘盒子输出数据的速度，所述帧信息控制处理器用于对从视频流寄存器中获取帧信息的过程进行控制；

12、进一步的，所述帧信息控制处理器基于time(t)和tout(t)上的离散点进行曲线拟合，得到完整的time(t)和tout(t)曲线，并根据下式计算出平衡指数p(t)：

13、

14、所述帧信息控制处理器内设置有默认检测时间点ti和检测半径ri，所述帧信息控制处理器需要在[ti-ri，ti+ri]时间段内找一帧信息进行检测，所述帧信息控制处理器根据下式计算出筛选指数se(t)：

15、se(t)＝ep(t)·(|t-ti|+1)；

16、所述帧信息控制处理器在每个[ti-ri，ti+ri]时间段内找到筛选指数最小的时间点t’，并获取对应的帧信息发送给检测执行单元。

17、本发明所取得的有益效果是：

18、本系统针对算力较弱的边缘设备配网电力设备的缺陷识别场景，首先使用已训练好的中等参量的模型通过教师-学生模式知识蒸馏对小参量模型的模型检测能力进行改进，再使用kl散度校准方法对小参量模型进行模型量化与校准，以微弱的精度影响为代价，进一步加速其运算速度，针对不同任务的图像数据流量，基于边缘设备数据吞吐性能，最大程度利用边缘设备数据吞吐性能，并行并平衡深度学习模型运算与数据吞吐的时间消耗。

19、为使能更进一步了解本发明的特征及技术内容，请参阅以下有关本发明的详细说明与附图，然而所提供的附图仅用于提供参考与说明，并非用来对本发明加以限制。

技术特征：

1.一种应用于电力配网竣工验收的深度学习缺陷检测系统，其特征在于，包括模型训练模块、同步传输模块、边缘检测模块和展示报告模块；

2.如权利要求1所述的一种应用于电力配网竣工验收的深度学习缺陷检测系统，其特征在于，所述蒸馏量化单元包括蒸馏处理器、编号匹配处理器、优化处理器和量化处理器，所述蒸馏处理器对大规模模型训练单元的输出结果进行蒸馏处理，所述编号匹配处理器将蒸馏结果与轻量化模型训练单元的输出结果根据编号信息进行匹配，所述优化处理器根据匹配结果计算轻量化模型训练单元的损失函数并对轻量化模型训练单元中的参数进行优化，所述量化处理器对轻量化模型进行非对称量化处理。

3.如权利要求2所述的一种应用于电力配网竣工验收的深度学习缺陷检测系统，其特征在于，所述蒸馏处理器根据下式进行蒸馏处理得到标签信息：

4.如权利要求3所述的一种应用于电力配网竣工验收的深度学习缺陷检测系统，其特征在于，所述检测管理单元包括时间消耗监测处理器、数据吞吐性能监测处理器和帧信息控制处理器，所述时间消耗监测处理器用于监测所述检测执行单元从接收一张帧信息到输出检测结果所消耗的时间，所述数据吞吐性能监测处理器用于监测边缘盒子输出数据的速度，所述帧信息控制处理器用于对从视频流寄存器中获取帧信息的过程进行控制。

5.如权利要求4所述的一种应用于电力配网竣工验收的深度学习缺陷检测系统，其特征在于，所述帧信息控制处理器基于time(t)和tout(t)上的离散点进行曲线拟合，得到完整的time(t)和tout(t)曲线，并根据下式计算出平衡指数p(t)：

技术总结
本发明提供了一种应用于电力配网竣工验收的深度学习缺陷检测系统，包括模型训练模块、同步传输模块、边缘检测模块和展示报告模块，所述模型训练模块用于对大规模模型和轻量化模型进行训练提高轻量化模型的检测效果，所述同步传输模块用于将轻量化模型数据传输给所述边缘检测模块并将边缘检测模块的检测结果传输给所述展示报告模块，所述边缘检测模块基于边缘盒子对电力设备进行实时检测，所述展示报告模块用于显示边缘检测模块的检测结果；本系统能够在边缘端实现对类别广泛的配网电力设备的缺陷识别，在现场快速反馈检测结果，便于实施人员及时消缺。

技术研发人员：何晓杰,左志敏,王健,王锦程,庞翀,鞠玲,王春明,卜鑫链,严阳
受保护的技术使用者：国网江苏省电力有限公司泰州供电分公司
技术研发日：
技术公布日：2024/3/17