基于神经网络的边缘计算系统和方法技术方案

本发明专利技术提供了基于神经网络的边缘计算系统和方法，包括：数据采集节点、云平台、边缘计算节点和数据中心服务器；数据采集节点、边缘计算节点和数据中心服务器分别与云平台相连接；数据采集节点用于采集数据信息，并通过云平台将数据信息发送给边缘计算节点；边缘计算节点用于将数据信息输入神经网络算法，得到数据处理结果，并将数据处理结果发送至云平台；云平台用于将数据处理结果发送给数据中心服务器或用户终端，通过边缘计算节点对数据信息进行处理后，再通过云平台发送给数据中心服务器，从而缓解数据中心服务器的处理压力，提高数据处理效率。

Edge computing system and method based on Neural Network

【技术实现步骤摘要】
基于神经网络的边缘计算系统和方法
本专利技术涉及通信
，尤其是涉及基于神经网络的边缘计算系统和方法。
技术介绍
目前，在NB-IOT(NarrowBandInternetofThings，窄带物联网)的应用中，数据采集节点调用NB-IOT网络，并使用CoAP(ConstrainedApplicationProtocol)采集的数据信息传输至云服务器，云服务器在解码存储后，将数据传给数据中心服务器，由数据中心服务器进行统一处理。而随着NB-IOT设备数量的增加，数据中心服务器的数据处理压力增大，数据处理效率低，从而导致数据处理成本上升。
技术实现思路
有鉴于此，本专利技术的目的在于提供基于神经网络的边缘计算系统和方法，通过边缘计算节点对数据信息进行处理后，再通过云平台发送给数据中心服务器，从而缓解数据中心服务器的处理压力，提高数据处理效率。第一方面，本专利技术实施例提供了基于神经网络的边缘计算系统，所述系统包括：数据采集节点、云平台、边缘计算节点和数据中心服务器；所述数据采集节点、所述边缘计算节点和所述数据中心服务器分别与所述云平台相连接；所述数据采集节点，用于采集数据信息，并通过所述云平台将所述数据信息发送给所述边缘计算节点；所述边缘计算节点，用于将所述数据信息输入神经网络算法，得到数据处理结果，并将所述数据处理结果发送至所述云平台；所述云平台，用于将所述数据处理结果发送给所述数据中心服务器。进一步的，所述数据采集节点包括传感器；>所述传感器，用于采集所述数据信息。进一步的，所述数据采集节点还包括第一NB-IOT模块；所述第一NB-IOT模块，用于将所述数据信息发送给所述云平台。进一步的，所述边缘计算节点包括CMSIS-NN库和第二NB-IOT模块；所述边缘计算节点，用于将所述数据信息分解，得到位图；调用所述CMSIS-NN库，将所述位图作为所述CMSIS-NN库中函数的参数；将所述CMSIS-NN库中函数的参数输入所述神经网络算法中，得到矩阵和准确率。进一步的，所述边缘计算节点还包括第二NB-IOT模块；所述第二NB-IOT模块，用于将所述矩阵和所述准确率发送给所述云平台。进一步的，所述数据信息包括命令数据信息、参数数据信息或图像数据信息，其中，所述命令数据信息包括以二进制形式传送的数据信息，所述参数数据信息包括温度数据信息、压力数据信息和/或红外数据信息。进一步的，还包括用户终端；所述用户终端，与所述云平台相连接，用于接收所述云平台发送的所述数据处理结果，其中，所述用户终端为手机或电脑。第二方面，本专利技术实施例提供了基于神经网络的边缘计算方法，所述方法包括：数据采集节点采集数据信息，并通过云平台将所述数据信息发送给边缘计算节点；所述边缘计算节点将所述数据信息输入神经网络算法，得到数据处理结果，并将所述数据处理结果发送至所述云平台；所述云平台将所述数据处理结果发送给数据中心服务器。第三方面，本专利技术实施例提供了电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。第四方面，本专利技术实施例提供了具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行如上所述的方法。本专利技术实施例提供了基于神经网络的边缘计算系统和方法，包括：数据采集节点、云平台、边缘计算节点和数据中心服务器；数据采集节点、边缘计算节点和数据中心服务器分别与云平台相连接；数据采集节点用于采集数据信息，并通过云平台将数据信息发送给边缘计算节点；边缘计算节点用于将数据信息输入神经网络算法，得到数据处理结果，并将数据处理结果发送至云平台；云平台用于将数据处理结果发送给数据中心服务器，通过边缘计算节点对数据信息进行处理后，再通过云平台发送给数据中心服务器，从而缓解数据中心服务器的处理压力，提高数据处理效率。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例一提供的基于神经网络的边缘计算系统应用场景示意图；图2为本专利技术实施例二提供的另一基于神经网络的边缘计算系统应用场景示意图；图3为本专利技术实施例三提供的基于神经网络的边缘计算系统示意图；图4为本专利技术实施例四提供的基于神经网络的边缘计算方法流程图。图标：1-数据采集节点；2-云平台；3-边缘计算节点；4-数据中心服务器；5-用户终端；11-传感器；12-第一NB-IOT模块；31-CMSIS-NN库；32-第二NB-IOT模块。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为便于对本实施例进行理解，下面对本专利技术实施例进行详细介绍。实施例一：图1为本专利技术实施例一提供的基于神经网络的边缘计算系统应用场景示意图。参照图1，基于神经网络的边缘计算系统可以应用在病虫害综合治理的大棚中，在大棚的各个角落设置数据采集节点，数据采集节点包括传感器和粘虫板图像采集模块，其中，传感器可以为环境监测传感器。环境监测传感器通过第一NB-IOT模块与云平台进行通信，粘虫板图像采集模块与边缘计算节点通过硬件排线通信。云平台在接收到环境监测传感器和粘虫板图像采集模块采集的数据信息后发送给边缘计算节点，以减少由温湿度、光照强度等变量带来的计算误差。边缘计算节点将数据信息输入神经网络算法中，得到数据处理结果，数据处理结果包括病虫害结果与疏密程度，将病虫害结果与疏密程度发送给数据中心服务器，数据中心服务器对病虫害结果进行进一步的处理。因此，先通过边缘计算节点对数据信息进行处理，然后再通过数据中心服务器进一步处理，从而缓解数据中心服务器的处理压力。同时，根据病虫害结果实时控制化学物质的使用量，将使用量与使用误差降到最低。另外，数据中心服务器可以将病虫害结果通过对抗神经网络等方式，将计算结果作为数据集，进一步优化边缘计算节点的神经网络参数，并进行下发。该系本文档来自技高网...

【技术保护点】
1.一种基于神经网络的边缘计算系统，其特征在于，所述系统包括：数据采集节点、云平台、边缘计算节点和数据中心服务器；/n所述数据采集节点、所述边缘计算节点和所述数据中心服务器分别与所述云平台相连接；/n所述数据采集节点，用于采集数据信息，并通过所述云平台将所述数据信息发送给所述边缘计算节点；/n所述边缘计算节点，用于将所述数据信息输入神经网络算法，得到数据处理结果，并将所述数据处理结果发送至所述云平台；/n所述云平台，用于将所述数据处理结果发送给所述数据中心服务器。/n

【技术特征摘要】
1.一种基于神经网络的边缘计算系统，其特征在于，所述系统包括：数据采集节点、云平台、边缘计算节点和数据中心服务器；
所述数据采集节点、所述边缘计算节点和所述数据中心服务器分别与所述云平台相连接；
所述数据采集节点，用于采集数据信息，并通过所述云平台将所述数据信息发送给所述边缘计算节点；
所述边缘计算节点，用于将所述数据信息输入神经网络算法，得到数据处理结果，并将所述数据处理结果发送至所述云平台；
所述云平台，用于将所述数据处理结果发送给所述数据中心服务器。


2.根据权利要求1所述的基于神经网络的边缘计算系统，其特征在于，所述数据采集节点包括传感器；
所述传感器，用于采集所述数据信息。


3.根据权利要求2所述的基于神经网络的边缘计算系统，其特征在于，所述数据采集节点还包括第一NB-IOT模块；
所述第一NB-IOT模块，用于将所述数据信息发送给所述云平台。


4.根据权利要求1所述的基于神经网络的边缘计算系统，其特征在于，所述边缘计算节点包括CMSIS-NN库；
所述边缘计算节点，用于将所述数据信息分解，得到位图；调用所述CMSIS-NN库，将所述位图作为所述CMSIS-NN库中函数的参数；将所述CMSIS-NN库中函数的参数输入所述神经网络算法中，得到矩阵和准确率。


5.根据权利要求4所述的基于神经网络的边缘计算系统，其特征在于，所述边...

【专利技术属性】
技术研发人员：吕健波，王海，
申请(专利权)人：青岛农业大学，
类型：发明
国别省市：山东;37