T∕JSHLW0012026电力视觉云边端协同计算应用规范

F29R T/JSHLW001-SpecificationforCloud-Edge-DeviceCollaborativeComputinginElectricPowerVisionApplications2026-2-1发 2026-3-1实江苏省互联网协 发 :GB/T41780.11GB/T41784GB/T41864GB/T44860DL/T2474.11YD/T4644YD/T4670YD/T4918.22YD/T4918.33YD/T6118YD/T61395G+工业互联网应用场景及技术要求T/CEC733GB/T41864、GB/T41784、DL/T2548、GB/T44860、GB/T41780.1、YD/T6118Cloud-edge-devicecollaborativePower-industryvisionGPUHeterogeneousGPUGPU/加速器构成的训练与推理资源池，常伴随带宽与拓扑差ContinuallearningModelAdaptiveCollaborativeTaskQualityofserviceFramespersecondAPI，应用程序编程接口(ApplicationProgrammingInterface)CPU，中央处理器(CentralProcessingUnit)MOT，多目标跟踪(MultipleObjectTracking)SDK，软件开发工具包(SoftwareDevelopmentKit)TAU，时序注意力单元(TemporalAttentionUnit)1上/下探、级联推理与早停、QoS调度等云边端分布式协同推理加速模块，以及数据/模型/电力视觉云边端协同计算应用平台的功能接口及输入/信息模型；b）接口版本化管理（如v1/v2），向后兼容，组件可替换/裁剪。a）接口实现应保证信息传递可靠、完整、一致。当采集链路或当在一定时间段内保持传输信息不丢失c）接口在异常发生后，具有一定的自我恢复能力。支持基于设备实时运行指标（如视频码率、端到端时延、丢帧率、CPU/GPU利用d）Kubernetes等容器应用接口。2–3种模型结≥1.5（ROI码率/量端/边算力、GPUGPU集群环境中模型的混合并行训练及持B2.1：GPUGPU集群环境中，针对深度神经网络模型的混合并行训练与持续学习任务，GPU集群混合并行加速模块应满足以下性能与效果要求：batch训练时20%lBT；域值Bk；GramL2连BT次降计算/GPU占20%batch训10%20%B3.1：MOT区域推理复杂度指标，训练复杂度TAUTAU引入帧差度量，用于视频时空演变分析（准确率/密度（目标数占比）遮挡目标比N帧采样；N帧间隔；1.5倍（相70%的附录A.1模型训练启动接口输入/CL0.0~>200,A.2模型训练任务状态查询接口输入/0.0~0.0~0.0%~GPUA.3模型训练任务状态终止接口输入/200,5.2.1A.4硬件延迟预测接口输入/ONNX格式或自定A.5模型版本列表查询接口输入/true,true,A.6部署资源规格查询接口输入/CPU,NVIDIAA.7模型部署任务创建接口输入/JSONQoSA.8模型服务状态信息查询接口输入/URL>099%0.0%~CPU0.0%~GPUA.9模型服务推理调用接口输入/Base64simple,JSON5.1.1节，由端/A.10边缘节点状态同步接口输