云边协同框架下结合深度学习与随机森林的电力设备识别

作者：汪杨凯; 许悦; 许涛; 韩继东; 李云越

来源：微型电脑应用, 2023, 39(08): 106-110.

• 云边协同
• 卷积神经网络
• 随机森林
• 图像识别

针对变电站巡检系统中电力设备识别准确率不高和识别时间过长的问题，提出了一种部署在云边协同框架下结合深度学习和随机森林的图像识别方法。该方法使用初始标记图像在云端完成随机森林分类器和改进卷积神经网络的训练；将完成训练的分类器下发至部署于变电站处的边缘计算设备以完成电力设备的本地识别；将完成识别的图像异步上传至云端以迭代更新优化分类器和改进卷积神经网络。通过不同算法和不同运行环境的对比测试检验了所提方法的性能。结果表明，所提方法的电力设备平均识别精度为86.6%,优于基于传统卷积神经网络和Softmax分类器的图像识别算法，所提方法运行于云边协同框架的平均运行时间比运行于单机运行环境的缩短约33.7%。