摘要
本发明公开了一种面向电厂安全的轻量化图像识别方法及系统,涉及图像识别领域,该方法包括:构建多尺度自适应感知的图像异常检测模型,利用图像异常检测模型识别电厂实时视频数据中电厂作业人员的违规行为;构建多阶段双目立体区配模型对电力设备双目图像中的特征点进行匹配,基于匹配结果计算电厂作业人员与带电体的安全距离;结合电厂作业人员的违规行为及安全距离,构建轻量化知识蒸馏的边缘设备推理模型,并利用边缘设备推理模型实时监测电厂安全隐患。本发明将具备高表达能力的教师模型部署在云端进行训练,并通过动态适配策略向边缘设备上的学生模型传递语义信息和结构知识,显著提升边缘模型在算力受限场景下的识别能力。
技术关键词
图像识别方法
实时视频
电力设备
双目立体
特征金字塔网络
多尺度特征金字塔
电力作业场景
电子围栏
教师
多阶段
特征点
学生
注意力机制
数据优化技术
安全隐患监测
拓扑特征
蒸馏
视觉特征
系统为您推荐了相关专利信息
硬件木马检测方法
特征金字塔网络
信道
生成图像数据
功率
微电网
优化调度方法
时序预测模型
负荷
储能系统
文本检测模型
文本区域检测
融合特征
特征提取网络
文本检测方法
渔船
特征金字塔网络
特征匹配算法
可读存储介质
检测头
特征提取网络
数据
预训练模型
变压器
电力设备故障