期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
物联网背景下应用于光伏发电的边缘计算设备关键技术研究及应用 被引量:19
1
作者 孙文文 何国庆 +2 位作者 刘纯 赵伟然 齐力文 《电力自动化设备》 EI CSCD 北大核心 2021年第7期38-43,共6页
随着大数据、云计算、人工智能、5G等技术的快速发展,万物互联时代加速到来,网络边缘设备的数量和数据量都呈现快速增长态势。在此趋势下,边缘计算因具有靠近数据源、实时性好、时延短、响应快等特征,成为物联网发展的核心技术之一。基... 随着大数据、云计算、人工智能、5G等技术的快速发展,万物互联时代加速到来,网络边缘设备的数量和数据量都呈现快速增长态势。在此趋势下,边缘计算因具有靠近数据源、实时性好、时延短、响应快等特征,成为物联网发展的核心技术之一。基于此,介绍了边缘计算的基本概念及体系架构,探讨了边缘计算设备的关键技术;深入分析了边缘计算设备在光伏发电系统的应用场景;在某光伏电站开展示范应用,实测结果表明,通过在光伏逆变器侧安装边缘计算设备,能够实现光伏发电的快速无功响应能力。研究成果可为后续边缘计算在新能源发电中的应用提供参考。 展开更多
关键词 物联网 边缘计算设备 光伏发电 快速无功响应
在线阅读 下载PDF
安全帽佩戴检测网络模型的轻量化设计 被引量:7
2
作者 郭奕裕 周箩鱼 《计算机工程》 CAS CSCD 北大核心 2023年第4期312-320,共9页
现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对... 现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对小目标的检测能力,并引入空间金字塔池化模块,提高模型对不同尺寸目标的检测能力。使用局部稀疏因子衰减算法进行稀疏化训练,从而使经过稀疏化训练后模型的平均精度均值(mAP)得到提高。根据缩放系数判断通道的重要性,并进行模型的通道剪枝,压缩模型的大小和计算量。使用TensorRT推理加速引擎进行网络层水平和垂直融合,消除拼接层操作,并将参数压缩成16位浮点型,提高模型的推理速度,最后在Jeston Nano边缘计算设备上实现模型部署。实验结果表明,与YOLOv4-Tiny模型相比,DT-YOLO模型的mAP提高了3.6个百分点,模型大小减少了83.5%,帧率提高137.7%,能够满足安全帽佩戴检测的要求。 展开更多
关键词 安全帽佩戴检测 YOLOv4-Tiny模型改进 局部稀疏因子衰减 模型压缩 TensorRT推理加速引擎 Jeston Nano边缘计算设备
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部