应用于机器视觉的边缘计算网关制造技术

本申请公开了一种应用于机器视觉的边缘计算网关，包括数据传输模块、数据转换模块、边缘控制器、数据解析模块、协议处理模块；所述数据传输模块用于与机器视觉设备进行数据传输；所述数据转换模块用于对接收到的所述视觉数据和待发送的所述动作数据进行数据转换和处理；所述数据解析模块对接收到的所述视觉数据或转换后获取的视觉数据进行解析计算，获取对应的动作数据；所述边缘控制器用于存储、运行控制和计算数据；所述协议处理模块用于根据需求调取与新接入的所述动作设备相匹配的协议，还用于将当前协议转换为与对应的所述动作设备相适配的协议。本申请的应用于机器视觉的边缘计算网关，能够确保机器视觉设备的运算效率。率。率。

【技术实现步骤摘要】
应用于机器视觉的边缘计算网关


[0001]本申请涉及边缘计算网关
，具体是应用于机器视觉的边缘计算网关。

技术介绍

[0002]边缘计算：是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
[0003]网关(Gateway)：又称网间连接器、协议转换器。默认网关在网络层上以实现网络互连，是最复杂的网络互连设备，仅用于两个高层协议不同的网络互连。网关的结构也和路由器类似，不同的是互连层。网关既可以用于广域网互连，也可以用于局域网互连。
[0004]机器视觉：是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
[0005]现有技术中，机器视觉的控制采用的是常规的控制装置，如PLC控制柜等，但是，由于计算能力的限制，在超负荷的数据计算量传输到常规控制装置处进行处理时，其运算效率甚至精准度均会有不同程度的影响，因此，借由边缘计算技术的发展，结合边缘计算技术来实现高效率的机器视觉运算及控制，是一种可行的技术方向。

技术实现思路

[0006]本申请的目的在于提供应用于机器视觉的边缘计算网关，以解决上述
技术介绍
中提出的现有技术中的机器视觉控制部分运算能力有限，无法确保高效运算效率的问题。
[0007]为实现上述目的，本申请提供如下技术方案：一种应用于机器视觉的边缘计算网关，包括数据传输模块、数据转换模块、边缘控制器、数据解析模块、协议处理模块；
[0008]所述数据传输模块配置为用于与机器视觉设备进行数据传输，所述数据传输包括接收所述机器视觉设备产生的机器视觉采集到的视觉数据、向所述机器视觉设备输出对应的动作数据；
[0009]所述数据转换模块配置为用于对接收到的所述视觉数据和待发送的所述动作数据进行数据转换和处理，使转换后获取的视觉数据适配于数据解析和转换后获取的动作数据适配于接收该动作数据的动作设备进行数据取用；
[0010]所述数据解析模块配置为对接收到的所述视觉数据或转换后获取的视觉数据进行解析计算，获取对应的动作数据；
[0011]所述边缘控制器配置为用于存储、运行控制和计算数据，所述控制数据包括逻辑
控制数据和边缘计算数据；
[0012]所述协议处理模块配置为用于根据需求调取与新接入的所述动作设备相匹配的协议，还配置为用于将当前协议转换为与对应的所述动作设备相适配的协议，所述的新接入的动作设备包括基于所述数据解析模块获取的动作数据相匹配到的设备。
[0013]在一种实施方式中，所述数据解析模块包括配置为用于将所述视觉数据或转换后获取的视觉数据进行特征提取的特征提取单元，所述特征包括定义为空间点位特征的数据X、定义为Depth特征的数据D、定义为RGB特征的数据P，所述特征提取单元还将在同一视觉数据上获取到的所述特征进行汇聚后集合为数据包，所述数据包的形式为(X，D，P)，其中，所述空间点位特征、所述Depth特征、所述RGB特征一一对应。
[0014]在一种实施方式中，所述数据解析模块还包括配置为根据获取的视觉数据的大小进行区域分割的图像分割单元，当所述视觉数据的大小满足预设的分割判断阈值时，所述图像分割单元将所述视觉数据分割为多个子区域，其中，相邻两个子区域的边缘相重叠；所述特征提取单元获取所述图像分割单元的区域分割结果并进行所述特征的提取；所述边缘计算数据至少包括定义为根据全局特征进行复杂场景识别的全局精准识别算法、定义为对分割后的图像进行识别的分布式精准识别算法。
[0015]在一种实施方式中，所述数据解析模块还包括定义为用于对特征进行融合的特征合成单元，所述特征合成单元配置有2D建模空间和/或3D建模空间，所述特征提取单元提取到的所述特征通过所述特征合成单元进行图像合成，其中，合成后的图像上赋值有所述数据包。
[0016]在一种实施方式中，所述特征合成单元通过所述数据传输模块与所述机器视觉设备的图像采集装置相连。
[0017]在一种实施方式中，所述数据传输模块配置还配置为用于与其他边缘计算网关进行协作，在当前网关的运算负荷达到预设的协作阈值时，所述数据传输模块向空闲的边缘计算网关发起协作请求并通过所述的空闲的边缘计算网关进行协作处理。
[0018]在一种实施方式中，所述视觉数据包括模拟量、开关量、视频数据、图像数据、设备型号。
[0019]在一种实施方式中，该种应用于机器视觉的边缘计算网关的工作方法包括以下步骤：
[0020]所述数据传输模块获取所述机器视觉设备采集到的视觉数据，所述视觉数据包括模拟量、开关量、视频数据、图像数据、设备型号；
[0021]所述数据转换模块将获取到的视觉数据进行转换，使转换后获取的视觉数据适配于所述数据解析模块进行数据解析；
[0022]所述数据解析模块根据所述边缘控制器中的所述边缘计算数据对视觉数据进行数据解析，其中，所述边缘计算数据至少包括定义为根据全局特征进行复杂场景识别的全局精准识别算法、定义为对分割后的图像进行识别的分布式精准识别算法；
[0023]所述数据转换模块根据需求将所述数据解析模块解析后获取的动作数据进行数据转换，使转换后获取的动作数据适配于接收的机器视觉设备进行数据取用；
[0024]所述协议处理模块根据动作数据调取相应的协议，并通过所述数据传输模块下发至目标的动作设备。
[0025]有益效果：本申请的应用于机器视觉的边缘计算网关，包括数据传输模块、数据转换模块、边缘控制器、数据解析模块、协议处理模块，数据传输模块配置为用于与机器视觉设备进行数据传输，数据转换模块配置为用于对接收到的视觉数据和待发送的动作数据进行数据转换和处理，数据解析模块配置为对接收到的视觉数据或转换后获取的视觉数据进行解析计算，获取对应的动作数据，边缘控制器配置为用于存储、运行控制和计算数据，协议处理模块配置为用于根据需求调取与新接入的动作设备相匹配的协议，实现了边缘计算网关与机器视觉设备的兼容，同时，协议处理模块还配置为用于将当前协议转换为与对应的动作设备相适配的协议，减少传统的数据转换装置的使用，实现将多个不同的机器视觉设备进行联动。在数据计算过程中，边缘控制器提供全局精准识别算法和分布式精准识别算法，在需要时，对获取到的视觉数据进行区域分割，同时，配合数据传输模块实现多个网关的协作，减小当前网关的计算压力，确保机器视觉的计算效率和精度。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用于机器视觉的边缘计算网关，其特征在于，包括数据传输模块、数据转换模块、边缘控制器、数据解析模块、协议处理模块；所述数据传输模块配置为用于与机器视觉设备进行数据传输，所述数据传输包括接收所述机器视觉设备产生的机器视觉采集到的视觉数据、向所述机器视觉设备输出对应的动作数据；所述数据转换模块配置为用于对接收到的所述视觉数据和待发送的所述动作数据进行数据转换和处理，使转换后获取的视觉数据适配于数据解析和转换后获取的动作数据适配于接收该动作数据的动作设备进行数据取用；所述数据解析模块配置为对接收到的所述视觉数据或转换后获取的视觉数据进行解析计算，获取对应的动作数据；所述边缘控制器配置为用于存储、运行控制和计算数据，所述控制数据包括逻辑控制数据和边缘计算数据；所述协议处理模块配置为用于根据需求调取与新接入的所述动作设备相匹配的协议，还配置为用于将当前协议转换为与对应的所述动作设备相适配的协议，所述的新接入的动作设备包括基于所述数据解析模块获取的动作数据相匹配到的设备。2.根据权利要求1所述的应用于机器视觉的边缘计算网关，其特征在于，所述数据解析模块包括配置为用于将所述视觉数据或转换后获取的视觉数据进行特征提取的特征提取单元，所述特征包括定义为空间点位特征的数据X、定义为Depth特征的数据D、定义为RGB特征的数据P，所述特征提取单元还将在同一视觉数据上获取到的所述特征进行汇聚后集合为数据包，所述数据包的形式为(X，D，P)，其中，所述空间点位特征、所述Depth特征、所述RGB特征一一对应。3.根据权利要求2所述的应用于机器视觉的边缘计算网关，其特征在于，所述数据解析模块还包括配置为根据获取的视觉数据的大小进行区域分割的图像分割单元，当所述视觉数据的大小满足预设的分割判断阈值时，所述图像分割单元将所述视觉数据分割为多个子区域，其中，相邻两个子区域的边缘相重叠；所述特征提取单元获取所述图像分割单元的区域分割结果并进行所述特征的提取；所述边缘计算数据至少包括定义为根据全局特征进行复杂场景识别...

【专利技术属性】
技术研发人员：许敬宇，田中海，张文斌，张景辉，
申请(专利权)人：深圳英博达智能科技有限公司，
类型：发明
国别省市：