本发明专利技术涉及一种基于算法容器装载自定义电网算法的云端系统，包括：前端服务器接收移动设备的连接请求，对连接请求进行解析确定目标算法集群，并将连接请求转发给目标算法集群对应的负载均衡服务器；多个负载均衡服务器当其接收前端服务器转发的连接请求时，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器，并将连接请求发送给目标算法服务器；多个算法服务器当其接收到负载均衡服务器发送的连接请求时，与移动设备建立连接，并接收移动设备发送的原始数据，调用预先存储于算法服务器上的深度学习算法对原始数据进行处理得到处理结果，并返回给移动设备；从而实现在移动设备端进行深度学习算法的识别功能。的识别功能。的识别功能。
【技术实现步骤摘要】
一种基于算法容器装载自定义电网算法的云端系统
[0001]本专利技术涉及云端
，具体涉及一种基于算法容器装载自定义电网算法的云端系统及基于该云端系统实现的数据识别方法。
技术介绍
[0002]当前的深度学习通常是由规模庞大的高性能计算集群来完成的，多个节点并行的读取数据，协同地来处理一个任务；往往无法将其应用在移动设备上。而在电网的某些场景下，又恰恰需要在移动设备上部署深度学习算法，因此，深度学习在移动设备端的应用问题亟待进一步解决/改进。
技术实现思路
[0003]本专利技术的目的在于提出一种基于算法容器装载自定义电网算法的云端系统及基于该云端系统实现的数据识别方法，以实现在移动设备端进行深度学习算法的识别功能。
[0004]为实现上述目的，本专利技术实施例提出一种基于算法容器装载自定义电网算法的云端系统，所述系统包括前端服务器、多个算法集群，每一个算法集群设置有一个负载均衡服务器以及与该一个负载均衡服务器连接的多个算法服务器；
[0005]所述前端服务器用于接收移动设备的连接请求，对所述连接请求进行解析确定目标算法集群，并将所述连接请求转发给所述目标算法集群对应的负载均衡服务器；
[0006]所述多个负载均衡服务器用于当其接收所述前端服务器转发的所述连接请求时，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器，并将所述连接请求发送给所述目标算法服务器；
[0007]所述多个算法服务器用于当其接收到所述负载均衡服务器发送的连接请求时，与所述移动设备建立连接，并接收所述移动设备发送的原始数据，调用预先存储于算法服务器上的深度学习算法对所述原始数据进行处理得到处理结果，并返回给所述移动设备。
[0008]优选地，所述算法服务器基于docker容器预先存储深度学习算法，其中，每一算法服务器存储一种预先训练好的深度学习算法，每一算法服务器部署有运行所需要的对应深度学习算法的虚拟环境。
[0009]优选地，所述深度学习算法包括用于山火识别的深度学习算法、用于输电设备部件识别的深度学习算法、用于输电隐患识别的深度学习算法、用于变电站设备识别的深度学习算法、用于作业违章识别的深度学习算法、用于仪器仪表读数识别的深度学习算法、用于设备铭牌识别的深度学习算法。
[0010]优选地，所述负载均衡服务器包括有监测单元和预先训练好的神经网络模型；
[0011]所述监测单元用于实时监测其对应的算法集群中多个服务器的运行状态数据，并当负载均衡服务器接收到所述连接请求时，将所述运行状态数据输入所述神经网络模型；
[0012]所述神经网络模型用于对输入模型的运行状态数据进行分析处理，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器。
[0013]优选地，所述运行状态数据包括：服务器的负载信息、网络带宽信息、可用存储空间信息以及GPU使用信息。
[0014]优选地，所述前端服务器还用于接收用户的查询请求，根据所述查询请求获取所述多个算法服务器的工作日志。
[0015]本专利技术实施例还提出一种基于上述实施例所述的云端系统实现的数据识别方法，包括如下多个步骤：
[0016]步骤S100、前端服务器接收移动设备的连接请求，对连接请求进行解析确定目标算法集群，并将连接请求转发给目标算法集群对应的负载均衡服务器；
[0017]步骤S200、多个负载均衡服务器当其接收前端服务器转发的连接请求时，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器，并将连接请求发送给目标算法服务器；
[0018]步骤S300、多个算法服务器当其接收到负载均衡服务器发送的连接请求时，与移动设备建立连接，并接收移动设备发送的原始数据，调用预先存储于算法服务器上的深度学习算法对原始数据进行处理得到处理结果，并返回给移动设备。
[0019]优选地，所述算法服务器基于docker容器预先存储深度学习算法，其中，每一算法服务器存储一种预先训练好的深度学习算法，每一算法服务器部署有运行所需要的对应深度学习算法的虚拟环境；
[0020]所述深度学习算法包括用于山火识别的深度学习算法、用于输电设备部件识别的深度学习算法、用于输电隐患识别的深度学习算法、用于变电站设备识别的深度学习算法、用于作业违章识别的深度学习算法、用于仪器仪表读数识别的深度学习算法、用于设备铭牌识别的深度学习算法。
[0021]优选地，所述步骤S200，包括：
[0022]多个负载均衡服务器实时监测其对应的算法集群中多个服务器的运行状态数据，并当负载均衡服务器接收到所述连接请求时，将所述运行状态数据输入所述神经网络模型进行分析处理，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器。
[0023]优选地，所述运行状态数据包括：服务器的负载信息、网络带宽信息、可用存储空间信息以及GPU使用信息。
[0024]本专利技术实施例至少具有以下有益效果：
[0025](1)本专利技术实施例在云端部署自定义的深度学习算法/模型，然后通过网络来进行远程调用，能够在移动设备端远程调用多个不同的深度学习算法/模型来进行对应的数据识别；
[0026](2)本专利技术实施例每一个算法容器docker存储一种深度学习算法/模型，使得算法容器docker保证各个算法之间的隔离性以及远程调用时的性能尽可能好。
[0027]本专利技术实施例的其它特征和优点将在随后的说明书中阐述。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本
专利技术的一些实施例，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。
[0029]图1为本专利技术一实施例所述的一种云端系统的框架结构图。
[0030]图2为本专利技术另一实施例所述的一种数据识别方法流程图。
具体实施方式
[0031]以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。另外，为了更好的说明本专利技术，在下文的具体实施例中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本专利技术同样可以实施。在一些实例中，对于本领域技术人员熟知的手段未作详细描述，以便于凸显本专利技术的主旨。
[0032]参阅图1，本专利技术一实施例提出一种基于算法容器装载自定义电网算法的云端系统，所述系统包括前端服务器、多个算法集群，每一个算法集群设置有一个负载均衡服务器以及与该一个负载均衡服务器连接的多个算法服务器；
[0033]所述前端服务器用于接收移动设备的连接请求，对所述连接请求进行解析确定目标算法集群，并将所述连接请求转发给所述目标算法集群对应的负载均衡服务器；
[0034]具体而言，所述连接请求至少携带有所述移动设备的设备信息以及算法需求；所述前端服务器根据算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于算法容器装载自定义电网算法的云端系统，其特征在于，所述系统包括前端服务器、多个算法集群，每一个算法集群设置有一个负载均衡服务器以及与该一个负载均衡服务器连接的多个算法服务器；所述前端服务器用于接收移动设备的连接请求，对所述连接请求进行解析确定目标算法集群，并将所述连接请求转发给所述目标算法集群对应的负载均衡服务器；所述多个负载均衡服务器用于当其接收所述前端服务器转发的所述连接请求时，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器，并将所述连接请求发送给所述目标算法服务器；所述多个算法服务器用于当其接收到所述负载均衡服务器发送的连接请求时，与所述移动设备建立连接，并接收所述移动设备发送的原始数据，调用预先存储于算法服务器上的深度学习算法对所述原始数据进行处理得到处理结果，并返回给所述移动设备。2.根据权利要求1所述的云端系统，其特征在于，所述算法服务器基于docker容器预先存储深度学习算法，其中，每一算法服务器存储一种预先训练好的深度学习算法，每一算法服务器部署有运行所需要的对应深度学习算法的虚拟环境。3.根据权利要求2所述的云端系统，其特征在于，所述深度学习算法包括用于山火识别的深度学习算法、用于输电设备部件识别的深度学习算法、用于输电隐患识别的深度学习算法、用于变电站设备识别的深度学习算法、用于作业违章识别的深度学习算法、用于仪器仪表读数识别的深度学习算法、用于设备铭牌识别的深度学习算法。4.根据权利要求1所述的云端系统，其特征在于，所述负载均衡服务器包括有监测单元和预先训练好的神经网络模型；所述监测单元用于实时监测其对应的算法集群中多个服务器的运行状态数据，并当负载均衡服务器接收到所述连接请求时，将所述运行状态数据输入所述神经网络模型；所述神经网络模型用于对输入模型的运行状态数据进行分析处理，从其对应的算法集群的多个算法服务器中选择一个算法服务器作为目标算法服务器。5.根据权利要求3所述的云端系统，其特征在于，所述运行状态数据包括：服务器的负载信息、网络带宽信息、可用存储空间信息...
【专利技术属性】
技术研发人员：李清，黄萍，黄安子，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：
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。