一种基于TinyML低功耗智能宣传方法及装置制造方法及图纸

本发明专利技术涉及TinyML技术领域，具体提供了一种基于TinyML低功耗智能宣传方法，对检测数据利用Tensorflow框架进行训练，得到模型后利用模型轻量化技术转换模型格式,部署到微控制器上，最后，利用传感器输入的数据作为模型的输入，微控制器会将数据进行处理上传到云平台，云平台进行存储和分析，进行推送，在终端进行显示。与现有技术相比，本发明专利技术可以在效率、隐私、储存和延迟方面优化，因为微控制器的能耗更低，所以设备都运行在局域网中，相关的隐私、储存和延迟问题也会大幅度改善。储存和延迟问题也会大幅度改善。储存和延迟问题也会大幅度改善。

【技术实现步骤摘要】
一种基于TinyML低功耗智能宣传方法及装置


[0001]本专利技术涉及TinyML
，具体提供一种基于TinyML低功耗智能宣传方法及装置。

技术介绍

[0002]TinyML是机器学习和嵌入式IoT设备的交叉融合的产物，可以在低功率的微控制器上，实现机器学习的技术。它连接了物联网设备，边缘计算和人工智能。主要应用于边缘计算。同时，利用不同类型的传感器与轻量化模型以及微控制器进行融合，结合云端智能分析并反馈结果。不仅可以为设备提供监测和分析功能，达到提质增效降本的效果，还可以根据需求匹配方案完成相对精准的宣传。例如，在宣传中，利用轻量化模型、微控制器和传感器的结合，可以对人流量、人群特征以及周围环境进行监测，特定化调整广告播放时间、类型、声音和显示亮度，在加强广告投放效果的同时，也能达到减少功耗、节约成本的目的。
[0003]目前相关前端展示内容往往较为单一，针对性不强，成本高效率低。运用人工智能方法将采集到的人群数据传递到云端与后台大数据进行对比分析，可以进行个性化精准化匹配，加上并不是所有场景的用户都有云端资源，所以在边缘设备和本地化的监测有利于便捷化管理，且功耗较低。

技术实现思路

[0004]本专利技术是针对上述现有技术的不足，提供一种实用性强的基于TinyML低功耗智能宣传方法。
[0005]本专利技术进一步的技术任务是提供一种设计合理，安全适用的基于TinyML低功耗智能宣传装置。
[0006]本专利技术解决其技术问题所采用的技术方案是：
[0007]一种基于TinyML低功耗智能宣传方法，对检测数据利用Tensorflow框架进行训练,得到模型后利用模型轻量化技术转换模型格式,部署到微控制器上,最后,利用传感器输入的数据作为模型的输入,微控制器会将数据进行处理上传到云平台，云平台进行存储和分析，进行推送,在终端进行显示。
[0008]进一步的，所述传感器根据场景和用户需求进行部署，将传感器与所述微控制器进行有线或无线连接，使所述传感器数据能够传送至微控制器中。
[0009]进一步的，所述TinyML根据场景和用户的需求，可以进行不同模型的训练，根据不同场合人群数据进行收集，之后将数据进行的预处理，当数据处理完成之后利用TensorFlow框架进行模型的训练，得到TensorFlow的模型之后，需要利用量化进行模型的压缩，使用TensorFlow Lite进行模型轻量化。
[0010]进一步的，模型轻量化之后，需要将模型进行二进制格式的转换，转换完毕之后，得到的二进制文件就可以部署到微控制器中。
[0011]进一步的，所述微控制器通过无线或串口的方式与传感器进行交互，数据到达微
控制器后，根据传感器的输入数据，部署的TinyML模型可通过读取输入数据进行推理；
[0012]推理结果将进一步传输至云平台进行解析，云平台端解析相关推理结果后可传输相对应的视频至终端，用户可在终端观看相关视频。
[0013]进一步的，云平台的管理人员也根据视频相关内容的播放情况进行相关的数据标记，传感器数据会传输到平台设备中进行储存或利用收集的数据进行模型的优化。
[0014]进一步的，所述云平台接收微控制器的推理数据并反馈分析结果，通过云平台智能分析方式精准匹配最佳宣传方案，传输至终端，实现数据的更新、备份，方便后续的分析、监测及优化，实现自动化控制管理。
[0015]一种基于TinyML低功耗智能宣传装置，包括：至少一个存储器和至少一个处理器；
[0016]所述至少一个存储器，用于存储机器可读程序；
[0017]所述至少一个处理器，用于调用所述机器可读程序，执行一种基于TinyML低功耗智能宣传方法。
[0018]本专利技术的一种基于TinyML低功耗智能宣传方法及装置和现有技术相比，具有以下突出的有益效果：
[0019]本专利技术可以在效率、隐私、储存和延迟方面优化，因为微控制器的能耗更低，所以设备都运行在局域网中，相关的隐私、储存和延迟问题也会大幅度改善。
附图说明
[0020]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。
[0021]附图1是一种基于TinyML低功耗智能宣传方法的流程示意图。
具体实施方式
[0022]为了使本
的人员更好的理解本专利技术的方案，下面结合具体的实施方式对本专利技术作进一步的详细说明。显然，所描述的实施例仅仅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。
[0023]下面给出一个最佳实施例：
[0024]如图1所示，本实施中的一种基于TinyML低功耗智能宣传方法，对检测数据利用Tensorflow框架进行训练,得到模型后利用模型轻量化技术转换模型格式,部署到微控制器上,最后,利用传感器输入的数据作为模型的输入,微控制器会将数据进行处理上传到云平台，云平台进行存储和分析，进行推送,在终端进行显示。
[0025]传感器根据场景和用户需求进行部署，例如声传感器，光传感器和摄像头等。将传感器与所述微控制器进行有线或无线连接，使传感器数据能够传送至微控制器中。
[0026]TinyML根据场景和用户的需求，可以进行不同模型的训练，例如对于前端展示场景的监测，可以根据不同场合人群数据进行收集，之后将数据进行的预处理，当数据处理完成之后利用TensorFlow框架进行模型的训练。得到TensorFlow的模型之后，需要利用量化
进行模型的压缩，可以使用TensorFlow Lite，因为微控制器的片上储存资源是有限的，需要将模型进行轻量化。模型轻量化之后，需要将模型进行二进制格式的转换，因为微控制器部署模型需要二进制的模型文件。转换完毕之后，得到的二进制文件就可以部署到微控制器中。
[0027]微控制器通过无线或串口的方式与传感器进行交互，数据到达微控制器后，根据传感器的输入数据，部署的TinyML模型可通过读取输入数据进行推理；
[0028]推理结果将进一步传输至云平台进行解析，云平台端解析相关推理结果后可传输相对应的视频至终端，用户可在终端观看相关视频。
[0029]平台管理人员也可根据视频相关内容的播放情况进行相关的数据标记。同时，传感器数据会传输到平台设备中进行储存，方便用户可以查看历史纪录，也可以利用收集的数据进行模型的优化。
[0030]云平台可以接收微控制器的推理数据并反馈分析结果，通过云平台智能分析方式精准匹配最佳宣传方案，传输至终端。同时可以实现数据的更新、备份，方便后续的分析、监测及优化，实现自动化控制管理。
[0031]基于上述方法，本实施例中的一种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于TinyML低功耗智能宣传方法，其特征在于，对检测数据利用Tensorflow框架进行训练,得到模型后利用模型轻量化技术转换模型格式,部署到微控制器上,最后,利用传感器输入的数据作为模型的输入,微控制器会将数据进行处理上传到云平台，云平台进行存储和分析，进行推送,在终端进行显示。2.根据权利要求1所述的一种基于TinyML低功耗智能宣传方法，其特征在于，所述传感器根据场景和用户需求进行部署，将传感器与所述微控制器进行有线或无线连接，使所述传感器数据能够传送至微控制器中。3.根据权利要求1或2所述的一种基于TinyML低功耗智能宣传方法，其特征在于，所述TinyML根据场景和用户的需求，可以进行不同模型的训练，根据不同场合人群数据进行收集，之后将数据进行的预处理，当数据处理完成之后利用TensorFlow框架进行模型的训练，得到TensorFlow的模型之后，需要利用量化进行模型的压缩，实现模型轻量化。4.根据权利要求3所述的一种基于TinyML低功耗智能宣传方法，其特征在于，模型轻量化之后，需要将模型进行二进制格式的转换，转换完毕之后，得到的二进制文件就可以部署到微控制器中。5.根据权...

【专利技术属性】
技术研发人员：王雪洁，高晨，张彦玉，孙昊，朱翔宇，李锐，张晖，
申请(专利权)人：山东浪潮科学研究院有限公司，
类型：发明
国别省市：