一种低功耗的电网巡检故障图像识别方法

摘要

针对计算机平台在图像处理过程中面临的高能耗问题,研究了电网巡检故障图像识别的低功耗神经网络加速方法.采用直接映射方式将卷积层与全连接层的计算分别映射至独立的计算核心,提出了针对图像处理过程不同阶段的优化方案,实现了不同运算层次与硬件资源之间的匹配,并通过遗传算法得到了神经网络的并行优化参数.结果表明,优化后的LetNet-5与AlexNet卷积神经网络运行能效分别为优化前的1.94倍和1.8倍,单张图片的平均处理速度约为原来的4~5倍和2~3倍.