【技术实现步骤摘要】
基于深度学习和边缘计算的工业互联网系统及工作方法
本专利技术涉及数据处理
，特别涉及一种基于深度学习和边缘计算的工业互联网系统及工作方法。
技术介绍
随着新一代信息通信技术的飞速发展，信息处理与人工智能等领域进入了新的研究阶段，给全球工业产业带来了革命性的影响，工业互联网的概念应运而生。工业互联网中工业智能化的发展成为全球关注重点与趋势。工业智能化是指工业领域中由计算机实现的智能，具有自感知、自学习、自执行、自决策、自适应等特征，能不断丰富和迭代自己的分析与决策能力，以适应变幻不定的工业环境，并完成多样化的工业任务，最终达到提升企业洞察力，提高生产效率或设备产品性能的目的。深度学习作为当前工业智能化的核心技术之一，以工业大数据系统的工业数据为基础，依托硬件基础能力和训练、推理运行框架，完成工业数据建模和分析，从而实现各类创新的工业智能应用，如产品质量检测、设备健康管理、能耗控制等。目前大多数的工业互联网系统都是在云计算平台上运行深度学习模型，然而云计算平台通常距离车间、生产线很远，网络传输延时很...
【技术保护点】
1.基于深度学习和边缘计算的工业互联网系统，其特征在于，包括云单元、边缘单元组以及感知单元组；所述云单元与边缘单元组进行无线/有线连接，边缘单元组与感知单元组进行无线/有线连接。/n
【技术特征摘要】
1.基于深度学习和边缘计算的工业互联网系统，其特征在于，包括云单元、边缘单元组以及感知单元组；所述云单元与边缘单元组进行无线/有线连接，边缘单元组与感知单元组进行无线/有线连接。
2.如权利要求1所述的基于深度学习和边缘计算的工业互联网系统，其特征在于，所述边缘单元组包括多个边缘单元，所述边缘单元为网关或边缘服务器，用于进行工业数据的实时分析。
3.如权利要求1所述的基于深度学习和边缘计算的工业互联网系统，其特征在于，所述感知单元组包括多个感知单元，所述感知单元为传感设备、生产设备、制造设备中的一种或多种，用于采集工业数据并上传到所述边缘单元组。
4.基于深度学习和边缘计算的工业互联网工作方法，其特征在于，具体包括以下步骤：
S1：云单元采用分段算法将深度学习模型分成多个深度学习子模型并进行训练，再将训练完成的深度学习子模型分别部署到相对应的边缘单元；
S2：感知单元组采集汽车零部件图像，并上传到边缘单元组，边缘单元依次进行计算分析，检测汽车零部件的缺陷类别；
S3：当第t个边缘单元计算得到缺陷类别后，将缺陷类别回传到感知单元组，同时第t个边缘单元之后的边缘单元停止工作。
5.如权利要求4所述的基于深度学习和边缘计算的工业互联网工作方法，其特征在于，所述步骤S1中多个深度学习子模型的构建方法为：
将深度学习模型平均分成三个部分，分别在每个部分的最后一个卷积层之后加上一个维度为1000维的第一全连接层，在第一全连接层分别加上一个维度为n的第二全连接层，在第二全连接层后分别加上一个联合损失函数层，从而得到第一深度学习子模型、第二深度学习子模型、第三深度学习子模型。
6.如权利要求5所述的基于深度学习和边缘计算的工业互联网工作方法，其特征在于，深度学习子模型的部署方法为：
S1-1：添加边缘单元时，边缘单元将对应的型号及IP地址发送至云单元，云单元在缓存中查询此型号是否已添加过；若此型号已添加过，则在云单元的缓存中存入此型号关联的IP地址；若此型号未添加过，则云单元使用线性回归法生成回归模型，分析该边缘单元的运行时间；
S1-2：云单元遍历缓存中边缘单元的IP地址与部署状态，如果部署状态为已部署，则跳过此边缘单元，继续遍历，直至查询到部署状态为未部署的边缘单元；将此边缘单元的状态更新为正在部署，并使用回归模型计算边缘单元中的总运行时间；如果总运行时间小于或等于工业生产规定的时间，则将第一深度学习子模型部署至此边缘单元中作为第一边缘单元，进入步骤S1-3；如果总运行时间大于工业生产规定的时间，则判断不能将第一深度学习子模型部署至此边缘单元中，将此边缘单元的部署状态重置为未部署后，继续遍历缓存中边缘单...
【专利技术属性】
技术研发人员：唐朝伟，温浩田，阮帅，黄宝进，冯鑫鑫，刘洪宾，汤东，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。