技術(shù)特征：

1.一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s2中clip模型包括視覺分支和文本分支，視覺分支采用vit模型結(jié)構(gòu)，接受圖像輸入，文本分支采用transformer結(jié)構(gòu)，接受包含類別的文本輸入；

3.根據(jù)權(quán)利要求2所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s3中利用下述邏輯表示內(nèi)部重建視覺特征：

4.根據(jù)權(quán)利要求3所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s3中利用下述邏輯表示生成視覺特征：

5.根據(jù)權(quán)利要求4所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s5包括以下步驟：

6.根據(jù)權(quán)利要求5所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s51中利用下述邏輯表示全局模型的文本提示詞、編碼器和解碼器：

7.根據(jù)權(quán)利要求6所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s52中利用下述邏輯計算本地端的重建視覺特征：

8.根據(jù)權(quán)利要求7所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s52中利用下述邏輯計算服務(wù)器端的重建視覺特征：

9.根據(jù)權(quán)利要求8所述的一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法，其特征在于，所述s53中利用下述邏輯計算特征蒸餾損失：

10.一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別系統(tǒng)，其特征在于，包括數(shù)據(jù)處理模塊、本地端模型建立模塊、本地端參數(shù)更新模塊、本地端文本提示詞訓練模塊、服務(wù)器端模型建立模塊和服務(wù)器端模型訓練模塊；

技術(shù)總結(jié)
一種基于聯(lián)邦學習的多變電站設(shè)備缺陷識別方法及系統(tǒng)，屬于圖像處理技術(shù)領(lǐng)域，解決變電站設(shè)備缺陷識別過程中客戶端數(shù)據(jù)不可見導致特征偏移的問題；本發(fā)明在聯(lián)邦學習過程中，本地端和服務(wù)器端之間不需要傳遞CLIP模型的視覺分支和文本分支，僅需要傳遞文本提示詞、編碼器和解碼器的參數(shù)即可實現(xiàn)不同服務(wù)器端的知識學習與知識融合，相比于具有大參數(shù)量的CLIP模型，極大降低了傳輸參數(shù)量，通過多次的本地端和服務(wù)器端的循環(huán)訓練，最終得到效果最優(yōu)的服務(wù)器端的全局模型，對于本地端模型，能夠生成任意類別尤其是未見類別的視覺特征，減少變電站設(shè)備缺陷識別過程中服務(wù)器端數(shù)據(jù)不可見導致特征偏移的現(xiàn)象，提升模型的泛化能力。

技術(shù)研發(fā)人員：孫偉,趙龍,丁國成,王同文,康健,張淑娟,邢璐,史偉豪,金雨楠
受保護的技術(shù)使用者：國網(wǎng)安徽省電力有限公司電力科學研究院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9