面向电力巡检图像目标检测的联邦学习激励机制

作     者：仲林林 刘柯妤 Zhong Linlin;Liu Keyu

作者机构：东南大学电气工程学院南京210096 东南大学-蒙纳士大学苏州联合研究生院(东南大学)苏州215123 

出 版 物：《电工技术学报》 (Transactions of China Electrotechnical Society)

年 卷 期：2024年第39卷第17期

页      面：5434-5449页

核心收录：

学科分类：080804[工学-电力电子与电力传动] 080805[工学-电工理论与新技术] 0808[工学-电气工程] 08[工学] 

基　　金：国家自然科学基金(92066106) 江苏省科协青年科技人才托举工程(2021031) 东南大学“至善青年学者”支持计划(中央高校基本科研业务费)(2242022R40022)资助项目 

主　　题：电力巡检 目标检测 联邦学习 激励机制 公平性 

摘      要：基于深度学习的目标检测算法能够高效处理电力巡检图像,及时发现故障隐患。然而,由于数据整合困难及数据隐私保护等原因,单个电力公司或第三方机构可能不足以训练出高性能模型。为解决这一问题并激励更多参与方加入面向电力巡检图像目标检测的联邦学习,该文构建了基于模型公平和基于收益公平的电力巡检图像目标检测联邦激励机制。基于模型公平的激励机制适用于所有参与方都是数据拥有方的情况,通过贡献评估分配不同性能的模型;基于收益公平的激励机制针对同时存在数据拥有方和数据需求方的模式,数据拥有方获得相应的收益,而数据需求方获得高性能模型。实验结果显示,在这两种激励机制中,公平性相关系数分别可达到0.96和1。这表明所提出的激励机制可有效地提升公平性,并能够激励更多的参与方加入到面向电力巡检图像目标检测的联邦学习中。