| 基于联邦学习的输电塔螺母销钉缺失检测 |
| |
| 引用本文： | 宋永康,张俊岭,公凡奎,安云云,王冶. 基于联邦学习的输电塔螺母销钉缺失检测[J]. 计算机系统应用, 2022, 31(5): 331-337. DOI: 10.15888/j.cnki.csa.008479 |
| |
| 作者姓名： | 宋永康 张俊岭 公凡奎 安云云 王冶 |
| |
| 作者单位： | 中国石油大学(华东) 计算机科学与技术学院, 青岛 266580,山东鲁软数字科技有限公司, 济南 250001,国网山东省电力公司 青岛市黄岛区供电公司, 青岛 266500,解放军 9144 部队, 青岛 266102 |
| |
| 基金项目： | 国家自然科学基金(62072469); 国家重点科研计划(2018YFE0116700); 山东省自然科学基金(ZR2019MF049); 中央高校基础研究基金(2015020031); 西海岸人工智能技术创新中心建设专项(2019-1-5, 2019-1-6); 上海可信工业控制平台开放项目(TICPSH202003015-ZC). |
| |
| 摘 要： | 输电塔上的螺母是连接两个或多个输电塔部件之间的媒介, 销钉是确保螺母不脱落的重要保障. 销钉缺失会使各部件之间的连接处存在安全隐患.本文将联邦学习与目标检测算法结合起来, 在保证各地区数据不互通的情况下, 上传局部模型, 经过中心节点生成融合模型, 采用Faster RCNN检测算法对螺母进行检测, 同时用分类网络对螺母进行分类, 最终得出销钉是否缺失. 实验结果表明, 联邦学习融合后的模型比各局部模型在检测任务的mAP上提升3%–6%, 在分类任务的准确率上提升2%–3%.
|
| 关 键 词： | 联邦学习 深度学习 目标检测 输电塔 销钉 |
| 收稿时间： | 2021-07-27 |
| 修稿时间： | 2021-08-20 |
Detection of Pin Missing from Nuts of Transmission Tower Based on Federated Learning |
| |
| SONG Yong-Kang,ZHANG Jun-Ling,GONG Fan-Kui,AN Yun-Yun,WANG Ye. Detection of Pin Missing from Nuts of Transmission Tower Based on Federated Learning[J]. Computer Systems& Applications, 2022, 31(5): 331-337. DOI: 10.15888/j.cnki.csa.008479 |
| |
| Authors: | SONG Yong-Kang ZHANG Jun-Ling GONG Fan-Kui AN Yun-Yun WANG Ye |
| |
| Affiliation: | College of Computer Science and Technology, China University of Petroleum, Qingdao 266580, China;Shandong Luneng Software Technology Co. Ltd., Jinan 250001, China;Qingdao Huangdao District Power Supply Company, State Grid Shandong Electric Power Company, Qingdao 266500, China; No. 9144 Troops of PLA, Qingdao 266102, China |
| |
| Abstract: | |
| |
| Keywords: | federated learning deep learning target detection transmission tower pin |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
