[发明专利]基于多核异构并行计算的电力人工智能视觉分析系统

说明书

本发明公开了一种基于多核异构并行计算的电力人工智能视觉分析系统，其特征在于，包括以轻量级神经网络为核心，包括一种多核异构并行计算模块和业务应用模块；业务应用模块和多核异构并行计算模块之间通过网络服务接口访问，传输数据；所述多核异构并行计算模块包括GPU计算节点、CPU存储管理节点、CPU计算节点，各节点之间通过交换机连接；业务应用模块包括图像管理模块、图像标注模块、模型训练模块、算法应用模块；本发明基于多核异构并行计算框架，可高效实现在线或离线图像数据训练，形成轻量化快速图像分类模型，实现电力内外网图像业务应用，能最大化发挥图像数据的价值，具备较好的应用前景。

技术领域

本发明涉及信号与信息处理领域，具体涉及一种基于多核异构并行计算的电力人工智能视觉分析系统。

背景技术

人工智能和深度学习是先进的自动化领域科学技术手段，目前在图像处理、自然语言识别等领域获得了广泛应用。当前，人工智能分析方法已经开始运用于诸多行业，包括智能交通、智慧医疗、智能家居、自动驾驶、智能硬件等。近年来各种深度卷积神经网络(如Lenet、Alexnet、VGG、Resnet、Xnception等)层出不穷，广泛应用于图像识别、目标检测等计算机视觉领域。在电力行业，变电站、输电线路等业务场景下的前端设备每天都会采集大量图像和视频数据，相关业务部门均存在迫切的图像和视频数据分析识别需求，国内外已经出现了较为成熟的深度学习图像识别技术。但是大部分深度学习图像识别技术计算消耗大，运行速度慢。异构并行计算可以让不同类型的计算设备能够共享计算的过程和结果，同时不断优化和加速计算的过程，使其具备更高的计算效能。异构并行计算在国内外正在迅猛发展，尤其是CPU+GPU异构计算框架近年来成为研究热点。但是，目前尚未见基于多核异构并行计算框架的轻量化神经网络及其在电力图像识别中的应用。

为解决现有电力行业采集数据存在的智能化业务应用问题，本专利发明提供了一种新的、有效的解决方法。

发明内容

为解决现有技术中的不足，本发明提供一种基于多核异构并行计算的电力人工智能视觉分析系统，面向电力图像数据，以轻量级神经网络为核心，基于多核异构并行计算框架，可高效实现在线或离线图像数据训练，形成轻量化快速图像分类模型，可实现电力内外网图像业务应用。

为了实现上述目标，本发明采用如下技术方案：一种基于多核异构并行计算的电力人工智能视觉分析系统，其特征在于，以轻量级神经网络为核心，包括多核异构并行计算模块和业务应用模块；业务应用模块和多核异构并行计算模块之间通过网络服务接口访问，传输数据；

所述多核异构并行计算模块包括GPU计算节点、CPU存储管理节点、CPU计算节点，各节点之间通过交换机连接；GPU计算节点用于模型训练和智能任务执行，完成密集计算；CPU存储管理节点用于数据存储，内嵌关系型数据库和非关系型数据库；CPU计算节点用于科学计算，同时辅助GPU计算节点完成部分密集计算；

业务应用模块包括图像管理模块、图像标注模块、模型训练模块、算法应用模块；图像管理模块用于管理电力内外网图像业务；图像标注模块用于为轻量级神经网络提供训练数据集的标注信息；模型训练模块用于在多核异构并行计算模块上训练轻量级神经网络模型；算法应用模块面向电力内外网图像业务，在多核异构并行计算模块上利用轻量级神经网络模型执行智能分析任务。

前述的一种基于多核异构并行计算的电力人工智能视觉分析系统，其特征是：所述图像管理模块通过web service与电力行业其他业务平台通信，电力行业其他业务平台获取经系统处理的图像和视频数据及其关联信息；图像管理模块获取电力系统的原始图像和视频数据及其关联信息；图像管理模块也接收本地上传的图像和视频数据；所述电力行业其他业务平台包括统一视频监控平台以及运检、调度、营销、基建电力信息化平台。

前述的一种基于多核异构并行计算的电力人工智能视觉分析系统，其特征是：所述关联信息包括图像和视频的属性，包括视图类别、设备树、场景树、标签树、缺陷树、专业类型、文件来源；