(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211146873.4 (22)申请日 2022.09.21 (65)同一申请的已公布的文献号 申请公布号 CN 115238880 A (43)申请公布日 2022.10.25 (73)专利权人 山东大学 地址 250000 山东省济南市山大南路27号 专利权人 华北电力大 学 （保定） 　 智洋创新科技股份有限公司 　 南瑞集团有限公司 　 国网浙江省电力有限公司温州供 电公司　 山东省计算中心 （国家超 级计算 济南中心） (72)发明人 聂礼强　宋雪萌　赵振兵　胡志坤　 罗旺　郑晓云　张盼盼　井立强　 高赞　 (74)专利代理 机构 山东知圣律师事务所 37262 专利代理师 陈晓辉(51)Int.Cl. G06N 3/063(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) G06Q 10/00(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 114881225 A,202 2.08.09 CN 113570029 A,2021.10.2 9 CN 114282709 A,202 2.04.05 CN 114581834 A,202 2.06.03 CN 110070530 A,2019.07.3 0 CN 109754020 A,2019.0 5.14 US 2020387795 A1,2020.12.10 牛瑞丞.基 于进化算法的神经网络结构搜 索. 《中国优秀硕士学位 论文全文数据库信息科 技辑》 .2022, (续) 审查员 张颖 (54)发明名称 输电巡检终端的自适应部署方法、 系统、 设 备及存储介质 (57)摘要 本发明提供一种输电巡检终端的自适应部 署方法、 系统、 设备以及存储介质， 属于人工智能 技术领域， 通过搭建适配于所有输电巡检终端的 超级网络； 选择各变化维度中的参数最小值的子 网络作为超级网络的基础模型， 并对基础模型进 行训练； 选择单一变化维度作为变量， 根据渐进 策略获取采样 扩展候选集， 在采样扩展候选集中 搜索设定 数量的扩展子网络进行训练， 并更新新 增的网络参数； 直至遍历所有子网络； 通过神经 网络搜索筛选最佳子网络， 并基于最佳子网络对 目标输电巡检终端进行部署。 本发 明在实现了节 省计算资源的基础上， 达到了确保子网络的精确 度， 有效缓解子网络之间相互干 扰的显著效果。 [转续页] 权利要求书2页 说明书10页 附图2页 CN 115238880 B 2022.12.23 CN 115238880 B (56)对比文件 李航宇等.神经结构搜索的研究进 展综述. 《软件学报》 .2021,第3 3卷(第1期), Yudong Han等.Semantic -aware Modular Capsule Routi ng for Visual Questi on Answering. 《arXiv》 .202 2, Chris Zhang等.GRAPH H YPERNETWORKS FOR NEURAL ARC HITECTURE SEARC H. 《ICLR 2019》 .2020,2/2 页 2[接上页] CN 115238880 B1.一种输电巡检终端的自适应部署方法， 其特 征在于， 包括： 根据实际的输电巡检需求， 确定各子网络对应的变化维度， 进而确定子网络种类数； 并 按照所确定的子网络种类数 搭建适配于所有输电巡检终端的超级网络； 选择各变化维度中的参数最小值的子网络作为超级 网络的基础模型， 并利用预设的训 练集对所述基础模型进行训练； 其中， 所述训练集包括有巡检故障标注的图片和无巡检故 障标注的图片； 选择单一变化维度作为变量， 根据渐进策略获取采样扩展候选集， 在所述采样扩展候 选集中搜索设定数量的扩展子网络进行训练， 并更新新增的网络参数； 直至遍历所有子网 络； 通过神经网络搜索， 筛选各个待部署的输电巡检终端对应的最佳子网络， 并基于所述 最佳子网络对目标输电巡检终端 进行部署； 其中， 筛选各个待部署的输电巡检终端对应的最佳子网络的方法包括： 利用NAS神经结构搜索技术， 建立各个输电巡检终端对应的延迟查找表； 基于预设的子 网络准确率预测模型和延迟查找表， 利用神经网络搜索算法筛选各个目标输电巡检终端对 应的最佳子网络 。 2.如权利要求1所述的输电巡检终端的自适应部署方法， 其特征在于， 通过神经网络搜 索， 筛选各个待部署的输电巡检终端对应的最佳子网络， 包括： 利用NAS神经 结构搜索技 术， 建立各个输电巡检终端对应的延迟查找 表； 基于预设的子网络准确率预测模型和所述延迟查找表， 利用神经网络搜索算法筛选各 个目标输电巡检终端对应的最佳子网络 。 3.如权利要求2所述的输电巡检终端的自适应部署方法， 其特征在于， 获取所述子网络 准确率预测模型的方法， 包括， 将每一个子网络的每一个 变化维度的变化对应的架构配置编码为 one‑hot向量； 拼接所有one ‑hot向量作为整个网络架构的编码； 将整个网络架构的编码输入多层感 知机， 并利用MSE损失函数进行优化； 获得子网络准确率预测模型。 4.如权利要求1所述的输电巡检终端的自适应部署方法， 其特征在于， 训练所述超级网 络的损失函数为： 其中， 是超级网络的权重， 是从超级网络中获取架构为 的子 网络的筛 选机制； 是特定子网络的损失函数。 5.如权利要求1中所述的输电巡检终端的自适应部署方法， 其特征在于， 所述变化维度 包括卷积核大小、 模型层数以及卷积通道数。 6.一种输电巡检终端的自适应部署系统， 其特 征在于， 包括： 搭建单元， 用于根据实际的输电巡检需求， 确定各子网络对应的变化维度， 进而确定子 网络种类数； 并按照所确定的子网络种类数 搭建适配于所有输电巡检终端的超级网络；权　利　要　求　书 1/2 页 2 CN 115238880 B 3