【技术实现步骤摘要】
本专利技术涉及电力物联网预警领域，尤其涉及一种基于边缘计算的轻量化电力物联网安全预警方法。
技术介绍
1、目前电力人工智能应用场景主要集中在安监、运检、营销等领域，在以无人机、机器人、智能传感器为代表的物联网技术基础上，围绕电网智能运检、运行控制、用电服务等开展应用，在输变电缺陷识别和故障诊断、现场作业安全智能管控、智慧客服等方面已取得阶段性成果。由于设备延迟低、体积小、功耗低等优点，边缘设备目前成为ai模型运行环境的新选择。而边缘计算中边缘节点资源受限，无法满足现有人工智能模型的运行需求，严重限制了人工智能在边缘计算中的应用。
2、现有技术中，电力物联网环境中的安全预警大多采用传统的计算方法，需要大量传感器，增大了技术的使用成本。而在基于人工智能的安全预警方法中，没有考虑边缘设备计算资源、存储资源有限等情况，难以实际推广使用。
技术实现思路
1、本专利技术主要解决了现有人工智能安全预警模型过大而不适用于边缘计算的问题，提出一种基于边缘计算的轻量化电力物联网安全预警方法，方法包括以下步骤：
2、s1、构建安全帽识别模型和火灾识别模型；
3、s2、利用数据集训练所述安全帽识别模型和火灾识别模型，得到训练完成的模型；
4、s3、利用训练完成的模型进行安全预警。
5、一种存储设备，所述存储设备存储指令及数据用于实现一种基于边缘计算的轻量化电力物联网安全预警方法。
6、一种基于边缘计算的轻量化电力物联网安全预警设备，包
7、本专利技术提供的有益效果是：解决了现有人工智能安全预警方法模型规模大、运算量大等问题，提出了一种面向边缘计算的安全预警方法。首先，本专利技术涉及安全帽识别模型与火灾识别模型两部分，两个模型均采用了轻量化方法，实现了轻量级模型。同时在网络设计中，分别针对识别内容的特征对解码器与编码器进行了优化，提高了检测能力。
本文档来自技高网...【技术保护点】
1.一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述安全帽识别模型通过深度可分离卷积替换普通卷积。
3.如权利要求2所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述安全帽识别模型的基于YOLOv3网络架构，其Neck部分采用PANet结构，最后通过解码器YoloHead输出特征。
4.如权利要求1所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述火灾识别模型，其骨干网络采用MobileNet结构：对骨干网络输出的特征，采用基于YOLOF的新编码器和新解码器。
5.如权利要求4所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述新编码器通过残差连接构造膨胀模块实现，包括两个组件，分别为projector和residualblocks。
6.如权利要求4所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述解码器采用改进的RetinaNe
7.如权利要求6所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述的改进的RetinaNet结构具体指：
8.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～8任一项所述的一种基于边缘计算的轻量化电力物联网安全预警方法。
9.一种基于边缘计算的轻量化电力物联网安全预警设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行存储设备中的指令及数据用于实现权利要求1～8任一项所述的一种基于边缘计算的轻量化电力物联网安全预警方法。
...【技术特征摘要】
1.一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：包括以下步骤：
2.如权利要求1所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述安全帽识别模型通过深度可分离卷积替换普通卷积。
3.如权利要求2所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述安全帽识别模型的基于yolov3网络架构，其neck部分采用panet结构，最后通过解码器yolohead输出特征。
4.如权利要求1所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述火灾识别模型，其骨干网络采用mobilenet结构：对骨干网络输出的特征，采用基于yolof的新编码器和新解码器。
5.如权利要求4所述的一种基于边缘计算的轻量化电力物联网安全预警方法，其特征在于：所述新编码...
【专利技术属性】
技术研发人员：袁昊，栗志鹏，刘少博，李瑞琪，李富鹏，杨浩，王军，徐鹏，杜水婷，张建锋，李燕，董蕊，
申请(专利权)人：国网甘肃省电力公司信息通信公司，
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。