面向无人巡检设备的联邦动态聚合优化方法及系统

本发明公开一种面向无人巡检设备的联邦动态聚合优化方法及系统，构建基于联邦学习的模型训练优化方法。基于模型在巡检设备上的输出的Logits，动态地计算模型在该设备上的一致性，云服务器根据计算得到的模型一致性为每一台巡检设备分配不同的全局聚合权重；云服务器在完成全局聚合后会平均集成最新的历史全局模型参数作为下一轮联邦训练的全局集成参数并下发给参与训练的巡检设备。本发明计算巡检设备的模型一致性并为其分配不同的聚合权重，可以有效防止由本地模型更新偏差导致全局模型的更新偏离最优方向，在加速全局模型收敛速度的同时提高全局模型准确率。