联邦学习的变电站巡视模型训练方法、系统、介质及设备

本发明公开了一种联邦学习的变电站巡视模型训练方法、系统、介质及设备，包括服务器初始化全局模型参数并发送给各客户端，以使得各客户端的模型根据各本地数据和所述全局模型参数进行本地训练，得到更新后的各本地模型参数；所述服务器根据各客户端的更新后的本地模型参数和综合权重，迭代更新全局模型，直到所述全局模型符合预设的收敛条件，输出当前迭代的全局模型，完成训练。本发明通过引入了综合权重的概念，突出训练数据中的具有针对性的数据样本(如含有多目标、小目标或视角变化大的数据)对全局模型性能提升的重要性，提高贡献度更高的节点在聚合过程中的权重，增强了模型在复杂室内环境下的巡视检测能力。