国网四川省电力公司泸州供电公司邝俊威获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉国网四川省电力公司泸州供电公司申请的专利一种无人机云边协同下缺陷图像增量学习方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120219923B 。
龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510686716.X,技术领域涉及:G06V10/82;该发明授权一种无人机云边协同下缺陷图像增量学习方法及系统是由邝俊威;李林;李盛杰;黄恒;曾启才;刘利;刘成浩;李亚强;吕攀;温崇;王彦明设计研发完成,并于2025-05-27向国家知识产权局提交的专利申请。
本一种无人机云边协同下缺陷图像增量学习方法及系统在说明书摘要公布了:本申请提供一种无人机云边协同下缺陷图像增量学习方法及系统,构建分布式云边协同的输电线路缺陷识别平台,在边缘端上布置推理与半自动标注系统,在云端上通过数字孪生技术构建多模型增量训练系统;中心云与边缘节点相互配合,通过增量学习可以提高标注效率和模型准确度。同时,由人工或其他系统辅助标注样本,再重新增量训练模型。经过增量训练的模型如果比原模型在准确度方面有显著提升,可以部署到边缘节点更新原模型。通过众包的方式为流水线任务实现机制,将半自动化标注任务分割为多个流水线小任务,流水线作业不仅使得标注工作更加高效执行,而且综合不同的模型的特点,使得到的标注结果更加准确。
本发明授权一种无人机云边协同下缺陷图像增量学习方法及系统在权利要求书中公布了:1.一种无人机云边协同下缺陷图像增量学习方法,其特征在于,所述方法包括: S1:构建分布式云边协同的输电线路缺陷识别平台,在边缘端上布置推理与半自动标注系统,在云端上通过数字孪生技术构建多模型增量训练系统; S2:通过无人机采用低功耗广域物联网技术,实现线路温度、弧垂、振动状态量的实时采集,上传采集数据至边缘侧; S3:在边缘侧搭载推理与半自动标注系统提供所需的多个预训练模型,采用第一众包的方式对上传的采集数据进行分配,执行预标注任务,并将自动识别推理结果置信度低的样本进行汇总,打包发送到中心云; S4:在中心云由人工或LabelStudio软件辅助标注样本,再重新训练通过数字孪生技术构建的多个增量训练模型; S5:分别计算经过增量训练的模型的准确度,并与原模型的准确度进行比较; S6:如果比较结果高于阈值,则将训练好的模型部署到各边缘侧节点更新原模型; 所述S1中,构建分布式云边协同的输电线路缺陷识别平台,在边缘端上布置推理与半自动标注系统,包括:所述推理与半自动标注系统包括数据输入模块、模型标注模块、RTMDet推理服务模块和标注输出模块;所述数据输入模块用于接收待标注的图像数据;所述模型标注模块利用不同的预训练模型对图像进行初步标注;所述RTMDet推理服务模块对初步标注结果进行优化和调整;所述标注输出模块将最终的标注结果保存并输出; 所述多模型增量训练系统包括数字孪生层、模型管理层、增量训练引擎;所述数字孪生层用于根据所述模型标注模块的模型进行模型物理结构镜像,得到多个镜像模型;所述模型管理层,用于对所述多个镜像模型进行版本控制、性能监控及模型依赖关系管理;所述增量训练引擎用于通过在线学习算法库及分布式训练框架,自适应调整学习率; 所述S3:在边缘侧搭载推理与半自动标注系统提供所需的多个预训练模型,采用第一众包的方式对上传的采集数据进行分配,执行预标注任务,并将自动识别推理结果置信度低的样本进行汇总,打包发送到中心云,包括: 所述多个预训练模型至少包括:CNN模型、改进的双Unet模型、Logits蒸馏模型三种模型;所述第一众包的方式为流水线任务实现机制; 其中,将半自动化标注任务分割为多个流水线小任务;根据分割的小任务的数量从所述多个预训练模型中选择对应数量的预训练模型进行排列组合,得到多个候选模型组合,分别执行流水线任务; 根据自动识别推理结果置信度选择最优模型组合,并将最优模型组合对应的识别结果中筛选置信度低的样本进行汇总,打包发送到中心云。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国网四川省电力公司泸州供电公司,其通讯地址为:646000 四川省泸州市江阳区柏杨坪;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。