軟硬件協同輕量化的雲邊智能技術(精)

第1章 邊緣技術與智能終端設備概述
1.1 邊緣計算技術簡介
1.2 智能終端設備的發展與應用
1.3 電力終端邊緣計算與智能化的挑戰
1.4 邊緣計算與智能終端在電網企業的應用前景
第2章 電網企業邊緣數據的傳輸與計算
2.1 電力終端產生的海量邊緣數據
2.2 雲計算在電網行業中的應用
2.3 雲計算與邊緣計算的協同優勢
2.4 雲邊協同數據處理與傳輸優化
2.5 雲端智能算法與邊緣設備智能算法的融合
2.6 傳輸與存儲邊緣數據的挑戰與解決方案
2.7 邊緣計算技術在邊緣數據處理中的應用
第3章 邊緣數據感知與風險識別
3.1 邊緣數據感知與實時監測的重要性
3.2 快速響應與定位風險隱患的需求
3.3 快速感知與智能分析技術的應用
3.4 圖像數據的實時計算與處理方法
第4章 智能邊緣設備技術研究與發展
4.1 智能終端設備的特點與優勢
4.2 邊緣計算與雲計算的融合策略
4.3 算法輕量化技術概述
4.4 軟件輕量化技術在智能終端設備中的應用
第5章 輕量化的邊緣計算智能終端研發
5.1 輕量化的邊緣計算智能終端產品概述
5.2 輕量化的邊緣計算智能終端關鍵技術
5.3 超輕量化邊緣計算智能終端硬件設計
5.4 輕量化智能邊緣終端硬件設計
5.5 紅外-可見光雙光布控球硬件設計
第6章 視覺場景下的輕量化深度學習模型
6.1 輕量化算法優勢與應用前景
6.2 輕量化改造技術路線
6.3 現有深度學習模型介紹
6.4 技術架構
6.5 改進YOLOv5算法模型
6.6 數據處理及實驗結果分析
6.7 模型訓練與測試
6.8 應用效果和創新性
第7章 紅外-可見光融合“目標級融合”算法研究
7.1 紅外-可見光融合“目標級融合”算法概括
7.2 紅外-可見光融合“目標級融合”算法對比
7.3 紅外-可見光融合“目標級融合”算法測試應用
7.4 紅外-可見光融合“目標級融合”算法應用
7.5 數據模型訓練樣本
第8章 紅外-可見光圖像的特征互補技術研究
8.1 紅外-可見光圖像的特征互補技術算法概述
8.2 可見光目標檢測
8.3 紅外可見光融合互補算法研究
8.4 新的循環交互式GAN（CIGAN）算法
第9章 多特征的紅外-可見光多源圖像增強技術研究
9.1 可見光圖像增強算法
9.2 RetinexNet算法效果展示與分析
9.3 紅外光圖像增強算法
9.4 基於Retinex的紅外光圖像增強算法
第10章 紅外-可見光圖像融合的異常行為識別方法研究
10.1 基於紅外-可見光圖像融合的行為識別算法概述
10.2 使用框架
10.3 數據擴增
10.4 數據增強
10.5 數據訓練及測試
第11章 輕量化的智能邊緣管理平臺和移動應用程序的研究
11.1 概述
11.2 設計原則
11.3 系統架構總覽
11.4 應用架構設計
11.5 數據架構設計
11.6 邏輯架構設計
11.7 部署方案實現過程
11.8 解決的問題
11.9 智能邊緣管理平臺軟件
11.10 邊緣應用成效
第12章 未來發展與展望
12.1 紅外-可見光多源圖像融合技術的未來發展方向
12.2 電網企業遠方安全管控能力的提升與展望