[发明专利]一种基于云边协同的输电线路监测方法及系统

权利要求书

1.一种基于云边协同的输电线路监测方法，其特征在于，所述方法包括：

获取预设周期内，若干输电线路监拍装置中各监拍装置对相应输电线路的隐患识别的失误值；所述失误值与监拍装置的漏报率和/或误报率相关；

确定所述若干输电线路监拍装置中的任意一个监拍装置，在所述预设周期内的所述输电线路隐患识别的失误值达到或超过预设激活阈值；

向GPU集群发送指令，以激活对所述失误值达到或超过预设激活阈值的监拍装置，所对应的神经网络模型的训练任务；其中，所述训练任务为非首次训练任务；

通知所述达到或超过预设激活阈值的监拍装置，使所述监拍装置向GPU集群获取由所述训练任务而得到的更新的神经网络模型。

2.根据权利要求1所述的一种基于云边协同的输电线路监测方法，其特征在于，所述获取预设周期内，若干输电线路监拍装置中各监拍装置对相应输电线路的隐患识别的失误值之前，所述方法包括：

基于标准样本数据库，对输电线路隐患识别的神经网络模型进行初始训练，将所述初始训练后的神经网络模型，下发给所述若干输电线路监拍装置；所述初始训练是对输电线路隐患识别的神经网络模型的头部和骨干部全部进行训练。

3.根据权利要求2所述的一种基于云边协同的输电线路监测方法，其特征在于，所述激活对所述失误值达到或超过预设激活阈值的监拍装置，所对应的神经网络模型的训练任务之后，所述方法包括：

所述GPU集群冻结当前输电线路隐患识别的神经网络模型的骨干部，而仅对该当前神经网络模型的头部进行训练，以得到所述更新的神经网络模型；该训练的样本包括所述标准样本数据库中的样本以及包括相应监拍装置获取的无隐患图片和隐患图片，且所述隐患图片为已标注的隐患图片。

4.根据权利要求1所述的一种基于云边协同的输电线路监测方法，其特征在于，所述方法还包括：

接收来自所述监拍装置获取的相应输电线路图片；

根据所述图片识别出输电线路的隐患类型、bbox值；所述图片包括由所述监拍装置识别的无隐患图片以及已标注的隐患图片；

根据所述输电线路图片、所述隐患类型、bbox值，确定所述输电线路图片中的误报的输电线路隐患图片和/或漏报的输电线路隐患图片；

将所述误报的输电线路隐患图片和/或漏报的输电线路隐患图片发送在线标注平台进行二次标注，并将所述二次标注后的图片作为所述非首次训练的样本。

5.根据权利要求4所述的一种基于云边协同的输电线路监测方法，其特征在于，所述非首次训练任务对应的训练样本包括无隐患图片和隐患图片；

并将所述二次标注后的隐患图片作为所述非首次训练的正样本；将通过数据增强，以增加预设比例的无隐患图片，作为负样本。

6.根据权利要求1所述的一种基于云边协同的输电线路监测方法，其特征在于，所述失误值与监拍装置的漏报率和/或误报率相关，具体为：

所述失误值为所述漏报率或者所述误报率；或

为aα％+bβ％；其中，a为漏报率，a％为漏报率对应的权重，b为误报率，b％为误报率对应的权重。

7.根据权利要求1所述的一种基于云边协同的输电线路监测方法，其特征在于，所述在所述预设周期内的所述输电线路隐患识别的失误值达到或超过预设激活阈值，具体为：

在所述预设周期内的所述输电线路隐患识别的失误值，超过预设激活阈值的天数，超过预设天数值。

8.根据权利要求1所述的一种基于云边协同的输电线路监测方法，其特征在于，所述监拍装置向GPU集群获取由所述训练任务而得到的更新的神经网络模型，具体包括：

所述监拍装置向GPU集群获取网络模型数据库中由所述训练任务而得到的更新的神经网络模型；所述网络模型数据库保存所述初始训练的输电线路隐患识别的神经网络模型以及所述更新的神经网络模型。