本申请实施例提供了一种电力缺陷检测模型的训练方法，涉及互联网领域。该方法包括：获取预先训练的电力系统的初始电力缺陷检测模型，以及电力样本数据；根据预设量化精度对初始电力缺陷检测模型的各个网络层进行量化处理，得到电力量化模型；根据源模型的第一缺陷检测结果和目标模型的第二缺陷检测结果的差异，对目标模型进行训练，得到电力蒸馏模型；将电力样本数据输入电力蒸馏模型，得到电力蒸馏模型的第三缺陷检测结果；根据第二缺陷检测结果和第三缺陷检测结果得到融合缺陷检测结果，并根据融合缺陷检测结果和第三缺陷检测结果的差异，得到目标电力缺陷检测模型。该方法中，可以降低模型存储空间和计算复杂度，提高模型准确率。准确率。准确率。
【技术实现步骤摘要】
电力缺陷检测模型的训练方法、装置、计算机设备和介质
[0001]本申请涉及互联网领域，特别是涉及一种电力缺陷检测模型的训练方法、装置、系统、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着深度学习的快速发展，深度神经网络模型，例如电力缺陷检测模型，的精度不断地得到提高。这些深度神经网络模型，例如电力缺陷检测模型在应用时，也需要消耗巨大的硬件资源，不适用于移动终端等，为了解决在移动终端上应用高精度的电力缺陷检测模型，通常会采用对模型进行量化的方法来减小模型的存储空间和计算复杂度，以获得可以在移动终端上使用的模型。
[0003]目前，相关技术中的模型量化方法存在模型准确率低的问题。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种电力缺陷检测模型的训练方法、装置、系统、计算机设备、存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种电力缺陷检测模型的训练方法。所述方法包括：
[0006]获取预先训练的电力系统的初始电力缺陷检测模型，以及电力样本数据；
[0007]根据预设量化精度对所述初始电力缺陷检测模型的各个网络层进行量化处理，得到所述初始电力缺陷检测模型对应的待训练量化模型；
[0008]利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述初始电力缺陷检测模型对应的电力量化模型；
[0009]将所述初始电力缺陷检测模型作为源模型，以及将所述电力量化模型作为目标模型，并根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的电力蒸馏模型；
[0010]将所述电力样本数据输入所述电力蒸馏模型，得到所述电力蒸馏模型的第三缺陷检测结果；
[0011]根据所述第二缺陷检测结果和所述第三缺陷检测结果得到融合缺陷检测结果，并根据所述融合缺陷检测结果和所述第三缺陷检测结果的差异，对所述电力蒸馏模型进行训练，得到目标电力缺陷检测模型。
[0012]在其中一个实施例中，所述根据预设量化精度对所述初始电力缺陷检测模型的各个网络层进行量化处理，得到所述初始电力缺陷检测模型对应的待训练量化模型，包括：将所述初始电力缺陷检测模型的各个网络层的量化精度调整至所述预设量化精度，得到所述待训练量化模型。
[0013]在其中一个实施例中，所述利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述初始电力缺陷检测模型对应的电力量化模型，包括：利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述待训练
量化模型的目标量化参数；将所述待训练量化模型的初始量化参数替换为所述目标量化参数，得到所述初始电力缺陷检测模型对应的电力量化模型。
[0014]在其中一个实施例中，所述根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的电力蒸馏模型，包括：根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的初始电力蒸馏模型；将所述初始电力蒸馏模型作为新的目标模型，返回执行根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练的步骤，直到满足预设训练次数，得到所述初始电力缺陷检测模型对应的电力蒸馏模型。
[0015]在其中一个实施例中，所述根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的初始电力蒸馏模型，包括：将所述电力样本数据输入至所述源模型，得到所述第一缺陷检测结果；将所述电力样本数据输入至所述目标模型，得到所述第二缺陷检测结果；根据所述第一缺陷检测结果和所述第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力蒸馏模型。
[0016]在其中一个实施例中，所述根据所述第二缺陷检测结果和所述第三缺陷检测结果得到融合缺陷检测结果，包括：获取所述第二缺陷检测结果和所述第三缺陷检测结果分别对应的权重值；基于所述权重值，对所述第二缺陷检测结果和所述第三缺陷检测结果进行加权平均处理，得到所述融合缺陷检测结果。
[0017]第二方面，本申请提供了一种电力缺陷检测模型的训练装置。所述装置包括：
[0018]获取模块，用于获取预先训练的电力系统的初始电力缺陷检测模型，以及电力样本数据；
[0019]调整模块，用于根据预设量化精度对所述初始电力缺陷检测模型的各个网络层进行量化处理，得到所述初始电力缺陷检测模型对应的待训练量化模型；
[0020]量化模块，用于利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述初始电力缺陷检测模型对应的电力量化模型；
[0021]蒸馏模块，用于将所述初始电力缺陷检测模型作为源模型，以及将所述电力量化模型作为目标模型；并根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的电力蒸馏模型；
[0022]计算模块，用于将所述电力样本数据输入所述电力蒸馏模型，得到所述电力蒸馏模型的第三缺陷检测结果；
[0023]集成模块，用于根据所述第二缺陷检测结果和所述第三缺陷检测结果得到融合缺陷检测结果，并根据所述融合缺陷检测结果和所述第三缺陷检测结果的差异，对所述电力蒸馏模型进行训练，得到目标电力缺陷检测模型。
[0024]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0025]获取预先训练的电力系统的初始电力缺陷检测模型，以及电力样本数据；
[0026]根据预设量化精度对所述初始电力缺陷检测模型的各个网络层进行量化处理，得到所述初始电力缺陷检测模型对应的待训练量化模型；
[0027]利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述初始电力缺陷检测模型对应的电力量化模型；
[0028]将所述初始电力缺陷检测模型作为源模型，以及将所述电力量化模型作为目标模型，并根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的电力蒸馏模型；
[0029]将所述电力样本数据输入所述电力蒸馏模型，得到所述电力蒸馏模型的第三缺陷检测结果；
[0030]根据所述第二缺陷检测结果和所述第三缺陷检测结果得到融合缺陷检测结果，并根据所述融合缺陷检测结果和所述第三缺陷检测结果的差异，对所述电力蒸馏模型进行训练，得到目标电力缺陷检测模型。
[0031]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电力缺陷检测模型的训练方法，其特征在于，所述方法包括：获取预先训练的电力系统的初始电力缺陷检测模型，以及电力样本数据；根据预设量化精度对所述初始电力缺陷检测模型的各个网络层进行量化处理，得到所述初始电力缺陷检测模型对应的待训练量化模型；利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述初始电力缺陷检测模型对应的电力量化模型；将所述初始电力缺陷检测模型作为源模型，以及将所述电力量化模型作为目标模型，并根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的电力蒸馏模型；将所述电力样本数据输入所述电力蒸馏模型，得到所述电力蒸馏模型的第三缺陷检测结果；根据所述第二缺陷检测结果和所述第三缺陷检测结果得到融合缺陷检测结果，并根据所述融合缺陷检测结果和所述第三缺陷检测结果的差异，对所述电力蒸馏模型进行训练，得到目标电力缺陷检测模型。2.根据权利要求1所述的方法，其特征在于，所述根据预设量化精度对所述初始电力缺陷检测模型的各个网络层进行量化处理，得到所述初始电力缺陷检测模型对应的待训练量化模型，包括：将所述初始电力缺陷检测模型的各个网络层的量化精度调整至所述预设量化精度，得到所述待训练量化模型。3.根据权利要求1所述的方法，其特征在于，所述利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述初始电力缺陷检测模型对应的电力量化模型，包括：利用所述电力样本数据对所述待训练量化模型进行满足预设次数的迭代训练，得到所述待训练量化模型的目标量化参数；将所述待训练量化模型的初始量化参数替换为所述目标量化参数，得到所述初始电力缺陷检测模型对应的电力量化模型。4.根据权利要求1所述的方法，其特征在于，所述根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的电力蒸馏模型，包括：根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练，得到所述初始电力缺陷检测模型对应的初始电力蒸馏模型；将所述初始电力蒸馏模型作为新的目标模型，返回执行根据所述源模型的第一缺陷检测结果和所述目标模型的第二缺陷检测结果的差异，对所述目标模型进行训练的步骤，直到满足预设训练次数，得到所述初始电力缺陷检测模型对应的电力蒸馏模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述源...
【专利技术属性】
技术研发人员：王黎伟，高兴宇，潘博诚，黄和燕，邵震，姜诚，张兴华，肖耀辉，李为明，何森，何珏，张良，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司电力科研院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。