基于火电厂边缘侧单节点部署的人工智能监测模型方法

本发明提供了一种基于火电厂边缘侧单节点部署的人工智能监测模型方法，涉及火电厂智能监测技术领域。该方法包括获取火电厂DCS系统数据和红外热像仪图像数据，构建专用算子库以提取特征信息，使用改进的MobileNetV3搭建监测神经网络模型，引入动态剪枝策略和知识蒸馏技术进行模型压缩，并将最终模型部署于边缘侧单节点以执行任务。通过专用算子库和轻量化模型架构，实现模型的高效特征提取和存储空间的减少，结合量化感知训练将权重从FP32转换为INT8，提高推理效率，同时保持高精度监测。在多任务场景下，采用资源分配优先级函数动态分配资源，优先保障故障预测任务，显著提升模型的实时性和响应速度，降低火电厂设备故障风险，为火电厂的智能化升级提供支持。