一种输电线路螺栓缺陷轻量化模型识别方法及系统技术方案

本发明专利技术公开了一种输电线路螺栓缺陷轻量化模型识别方法及系统，包括：获取输电线路螺栓图像信息，将所述图像信息输入到轻量化缺陷识别模型中；其中，所述轻量化缺陷识别模型的数据处理过程包括：将轻量化缺陷识别模型的不同网络层分成若干组，对每一分组下的网络层参数进行剪枝或定点量化操作；将各分组下的网络层参数分别保存至不同的权重文件中；将所述权重文件同时导入网络模型中相对应的网络层，进行并行计算；将各网络层的计算结果进行汇总处理，输出最终的输电线路螺栓缺陷识别结果。本发明专利技术针对复杂的缺陷识别网络模型，根据其结构进行分组量化剪枝，保证模型精度不下降的同时，最大程度降低模型运算复杂度和空间占用开销。销。销。

【技术实现步骤摘要】
一种输电线路螺栓缺陷轻量化模型识别方法及系统


[0001]本专利技术涉及模式识别
，尤其涉及一种输电线路螺栓缺陷轻量化模型识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]螺栓缺陷是输电线路巡检中的常见典型缺陷，在巡检图像中螺栓缺陷部位所占像素在整幅图像中占比极小，且螺栓在输电杆塔上所处部位多样、形状多样，使用传统浅层网络模型极难进行识别，因此用于螺栓缺陷识别的模型具有网络层数复杂、节点参数众多、模型体积大、推理速度慢的特点，只能借助后台服务器进行识别，无法置于边缘模块进行前端实时分析。
[0004]当前边缘设备内存和计算能力普遍较小，不适合进行大规模深度网络模型部署。边缘模型的部署通常都需对网络模型进行压缩量化，减小网络模型深度和参数，压缩模型体积和推理所需内存开销，但压缩量化会造成模型精度损失；越复杂的模型，压缩量化后进度损失就越大，如何在压缩量化过程中，平衡螺栓缺陷模型性能是实际场景下的迫切需求。
[0005]同时现有技术在进行输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输电线路螺栓缺陷轻量化模型识别方法，其特征在于，包括：获取输电线路螺栓图像信息，将所述图像信息输入到轻量化缺陷识别模型中；其中，所述轻量化缺陷识别模型的数据处理过程包括：将轻量化缺陷识别模型的不同网络层分成若干组，对每一分组下的网络层参数进行剪枝或定点量化操作；将各分组下的网络层参数分别保存至不同的权重文件中；将所述权重文件同时导入网络模型中相对应的网络层，进行并行计算；将各网络层的计算结果进行汇总处理，输出最终的输电线路螺栓缺陷识别结果。2.如权利要求1所述的一种输电线路螺栓缺陷轻量化模型识别方法，其特征在于，将轻量化缺陷识别模型的不同网络层分成若干组，具体包括：将轻量化缺陷识别模型中的卷积层与激活函数层划分为第一组，将池化层划分为第二组，将非输出层前的全连接层划分为第三组，若有剩余其他层，则划分为第四组。3.如权利要求2所述的一种输电线路螺栓缺陷轻量化模型识别方法，其特征在于，对每一分组下的网络层参数进行剪枝或定点量化操作，具体包括：最大程度保留卷积层与激活函数层的网络参数个数；最大程度减少池化层网络参数个数；根据全连接层所在位置与输出层的距离进行定量剪枝。4.如权利要求3所述的一种输电线路螺栓缺陷轻量化模型识别方法，其特征在于，最大程度保留卷积层与激活函数层的网络参数个数，具体为：对大于设定值的浮点型参数由Float32量化为Float16，小于设定值的参数直接量化为0。5.如权利要求3所述的一种输电线路螺栓缺陷轻量化模型识别方法，其特征在于，根据全连接层所在位置与输出层的距离进行定量剪枝，具体为：L＝FC
id
‑
(All_num/2)其中，L为全连接层所在位置与输出层的距离，FC
id
为全连接层位于网络结构中的位置，All_num为网络结构总层数；若L>0，则全连接层每靠近输...

【专利技术属性】
技术研发人员：李建业，陈文栋，王一夔，宋凯，曹付勇，李宋林，刘宏光，张晓，许荣浩，王万国，王振利，郭修宵，刘广秀，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：