联邦学习是一种分布式人工智能模型训练技术。《基于联邦学习的电力视觉检测系统要求和框架》国际标准将联邦学习技术与电力视觉检测业务相结合，构建了一套分布式模型训练方法，能够有效解决数据孤岛带来的算法模型精准度不高等问题，从而提升 电力设备智能化运维水平，提高电网智能化、安全运行能力。

　　“人工智能需依靠大量的数据训练来提升算法的准确性，但在实际应用中，视觉检测模型面临着训练数据分散、视觉数据传输成本高、训练数据安全难以保证等问题。”《基于联邦学习的电力视觉检测系统要求和框架》标准召集人、浙江省王红凯技能大师工作室领衔人王红凯说。

　　王红凯介绍，联邦学习的优势在于能够打破数据孤岛，允许多个数据主体在不共享数据的情况下，跨主体开展视觉检测模型训练，有效提升电力系统各环节设备维护和异常行为监测的准确率和检测效率。