1.基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述獲取本地識(shí)別模型在本地場(chǎng)景下的性能評(píng)估信息，將本地識(shí)別模型參數(shù)、當(dāng)前巡檢環(huán)境的場(chǎng)景描述信息以及性能評(píng)估信息傳輸至中心服務(wù)器，包括：
3.根據(jù)權(quán)利要求2所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述根據(jù)場(chǎng)景描述信息對(duì)各無(wú)人機(jī)進(jìn)行場(chǎng)景分類與本地模型活躍度評(píng)估，并結(jié)合性能評(píng)估信息對(duì)本地識(shí)別模型參數(shù)進(jìn)行加權(quán)聚合，獲取全局模型，包括：
4.根據(jù)權(quán)利要求3所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述在每個(gè)場(chǎng)景專業(yè)組內(nèi)部，對(duì)來(lái)自不同虛擬知識(shí)代理的決策分支參數(shù)更新量進(jìn)行加權(quán)聚合，生成全局模型，包括：
5.根據(jù)權(quán)利要求4所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述基于活躍度評(píng)估結(jié)果和場(chǎng)景專屬準(zhǔn)確率動(dòng)態(tài)調(diào)整虛擬知識(shí)代理的聚合權(quán)重，包括：
6.根據(jù)權(quán)利要求5所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述識(shí)別所述置信度因子、所述活躍度評(píng)估結(jié)果以及所述場(chǎng)景專屬準(zhǔn)確率之間的非線性關(guān)聯(lián)模式，根據(jù)所述非線性關(guān)聯(lián)模式動(dòng)態(tài)調(diào)整權(quán)重映射函數(shù)，包括：
7.根據(jù)權(quán)利要求4所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述響應(yīng)于無(wú)人機(jī)的模型更新請(qǐng)求，根據(jù)無(wú)人機(jī)的場(chǎng)景描述信息對(duì)全局模型進(jìn)行參數(shù)調(diào)節(jié)，生成個(gè)性化適配模型并將其分發(fā)至對(duì)應(yīng)無(wú)人機(jī)，包括：
8.根據(jù)權(quán)利要求7所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，其特征在于：所述方法還包括：
9.基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新系統(tǒng)，其特征在于：適用于如權(quán)利要求1-8任一項(xiàng)所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法，包括：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于：所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)內(nèi)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-8任一項(xiàng)所述的基于聯(lián)邦學(xué)習(xí)的無(wú)人機(jī)巡檢缺陷識(shí)別模型更新方法步驟。