一种嵌入式产品AI模型的自适应加载方法技术

一种嵌入式产品AI模型的自适应加载方法，对嵌入式产品的微处理器进行分区结构，将不同区域装载不同的AI模型，设置周期性定时任务1，使嵌入式产品的微处理器对设备参数以及工作环境进行自检，通过参数的变化，来选择不同的AI模型适应当前的工作环境及设备参数；并设置周期性定时任务2，周期性上传设备信息及工作环境参数至服务器端，服务器端通过分析参数，在服务器端重新训练一套可适应环境变化的嵌入式AI模型，并通过网络通信的方式，将新的AI模型参数更新到嵌入式产品中；可动态的调整微处理器在不同工作环境下执行不同的AI模型，以适应不同的工作需求。本发明专利技术减少了产品的维护成本、提高了环境自适应性。提高了环境自适应性。提高了环境自适应性。

【技术实现步骤摘要】
一种嵌入式产品AI模型的自适应加载方法


[0001]本专利技术涉及嵌入式系统
，具体涉及一种嵌入式产品AI模型的自适应加载方法。

技术介绍

[0002]对于嵌入式系统而言，由于系统功耗、系统实时性以及硬件存储空间的限制，都要求嵌入式系统被设计为特定环境下所专用的系统。随着各种智能家居和廉价微处理器的出现，科技发展的步伐不断加快，人们对于万物实现智能化的需求日益强烈，这就意味着嵌入式系统领域也需要加入智能化等元素，进而适应物联网环境下对于嵌入式系统的新需求。
[0003]现有的部分基于AI的嵌入式产品主要是静态部署神经网络模型，模型写入之后就不再替换。产品在使用之初，写入的模型是符合生产需要，但久而久之，随着工作环境和设备的老化，存在于设备中的AI模型不在有益于生产需求，反之设备因为加载冗余的AI模型导致设备的执行效率进一步下降。
[0004]特别是工业上的嵌入式设备，设备运行压力大，如常见工业上的电磁流量计等，对于精度的要求非常高，带有腐蚀性、磨蚀性的液体、温度、流量压力、以及磁场等都会导致精度的下降。如果在这种恶劣的工作环境下，给设备嵌入静态的AI模型，很容易就会因为突变环境造成AI模型输出准确率下降，进而导致设备的采集精度下滑。

技术实现思路

[0005]针对上述提出的现有嵌入式产品内嵌的AI模型为静态模型，固定即无法更改，静态的模型无法适应工作环境多变的嵌入式产品的技术问题，本技术方案提供了一种嵌入式产品AI模型的自适应加载方法，通过周期轮询监控设备情况，动态调整AI模型的策略，保证产品在突变环境以及使用磨损后仍能通过可变的AI模型使之继续发挥职能，减少了产品的维护成本、提高了环境自适应性；能有效的解决上述问题。
[0006]本专利技术通过以下技术方案实现：一种嵌入式产品AI模型的自适应加载方法，硬件设备包括：安装在现场具有AI模型的嵌入式产品，以及具有数据分析、程序下载及模型训练的服务器端；所述的嵌入式产品包含以太网接口、环境检测模块、辅助电源和大容量数据存储区。
[0007]所述的自适应加载方法是：在嵌入式产品的微处理器上采用特殊的分区方式进行分区，不同的区域装载不同的AI模型，通过在微处理器内部配置的定时器任务1，使嵌入式产品的微处理器周期性的自检设备的工作参数，根据参数的变化，再通过比对内部区域存放的AI模型，选择最优的AI模型参与程序执行，适应当前的工作环境及设备参数。
[0008]并设置周期性定时任务2，周期性上传设备信息及工作环境参数，通过网络通信的方式将数据发送至服务器端，服务器端接收到数据后，通过分析参数，与之前上传的数据进行对比分析，在服务器端重新训练一套可适应当前参数的嵌入式AI模型，并通过网络通信
的方式，将新的AI模型参数更新到嵌入式产品中；替换掉已经无法满足微处理器工作的AI模型。
[0009]进一步的，所述的嵌入式产品是基于Cortex
‑
M4内核的ARM系列处理器；所述的以太网接口是48引脚的DP83848物理层以太网芯片，该芯片传输速率为100Mbps；所述的环境检测模块包括温湿度检测单元、流量检测单元、压力检测单元、信号转换模块以及电压检测装置，通过上述检测部分周期性的获取设备参数；所述的辅助电源为10法拉的法拉电容；所述的大容量数据存储区为512K的RAM和1MB的ROM存储空间。
[0010]进一步的，所述的特殊的分区方式是对处理器的ROM存储区采用4段分区方式；其中区域1为BOOT区，存放硬件的以太网驱动程序；区域2为Command区，存放设备不同工作状态下执行的命令参数；区域3为APP区，存放真正运行的应用程序；区域4存放训练好的AI模型。
[0011]进一步的，所述的定时器任务1是通过ARM系列处理器的通用定时器Timer1配置一个定时周期为60s的自检任务；通过微处理器搭载的环境检测模块，实时的分析当前工作环境状况，通过分析环境数据，处理器自主选择存放在区域4中适合当前环境参数的AI模型。
[0012]进一步的，所述的定时器任务2是ARM系列处理器的通用定时器Timer2配置一个定时周期为120s的数据上传任务；所述的设备信息包括器件型号、温度、压力、开关电源电压影响设备运行精度和能耗的物理参数；所述的器件型号为处理器出厂的唯一ID号；当产品中存储的AI模型已经无法满足产品的正常需要，可通过定时器任务2收集到的设备信息及工作环境参数上传给服务器端，服务器端根据设备信息，训练符合当前设备状态的新的AI模型，重新写入微处理器的区域4中。
[0013]进一步的，所述的流量检测单元采用的是电磁流量计。
[0014]进一步的，所述服务器端重新训练的AI模型，是通过微处理器的以太网功能进行下发的，AI模型的分帧传输方案包括128字节的起始帧、1K字节的数据帧和128字节的终止帧。
[0015]进一步的，所述的起始帧由起始帧标识、起始帧号、帧号反码、待升级文件名、文件大小、传输总帧数，以及CRC校验值组成；所述数据帧由数据帧标识、数据帧号、帧号反码、1K数据字节，以及CRC校验值组成；所述终止帧由终止帧标识、终止帧号、帧号反码、填充数据(0x00)，以及CRC校验值组成。
[0016]进一步的，所述将新的AI模型参数更新到嵌入式产品中之前，原有的AI模型备份到RAM中暂存。
[0017]进一步的，AI模型自适应加载方法的具体流程的操作步骤包括：步骤1：设备上电，对微处理器的ROM进行特殊分区，设置中断向量表的起始偏移；步骤2：应用程序从向量表起始偏移地址处开始运行main函数；步骤3：设备默认加载保存的水环境AI模型；步骤4：配置timer1为60s的周期自检任务，配置timer2为120s的周期上传任务；步骤5：程序进入while循环，60s的自检任务延时时间到达，判断正在运行的水环境模型能否满足当前管道中流经的液体，若满足继续步骤6，若检测流体受电极水垢干扰，则加载电极干扰模型，继续步骤6，若流体测量不受电极水垢干扰，判断是否为导电颗粒流体，若是加载导电颗粒模型。若三则都不是，则加载其中较合适模型运行；
步骤6：恢复自检任务计数初值，等待120s的上传任务，延时时间到达，通过上传检测单元采集的环境数据和产品物理参数数据给服务器的PC端，在服务端对比分析之前的设备信息，重新在服务端训练符合当前参数的AI模型，将模型参数通过网络传输写回处理器的指定存储位置。同时切换新加载的AI模型为当前程序运行的AI模型；步骤7：恢复上传任务计数初值，处理流量计其余业务，返回步骤5。
有益效果
[0018]本专利技术提出的一种嵌入式产品AI模型的自适应加载方法,与现有技术相比较，其具有以下有益效果：本专利技术可有效解决现有嵌入式产品内嵌的AI模型为静态模型，一旦固定既无法更改，静态的模型无法适应工作环境多变的嵌入式产品。方案中提出的周期轮询监控设备情况，动态调整AI模型的策略，有效的解决了产品因温度、压力、电磁流量干扰以及开关电源内部磨损等造成的AI模型执行力本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种嵌入式产品AI模型的自适应加载方法，硬件设备包括：安装在现场具有AI模型的嵌入式产品，以及具有数据分析、程序下载及模型训练的服务器端；所述的嵌入式产品包含以太网接口、环境检测模块、辅助电源和大容量数据存储区；其特征在于：所述的自适应加载方法是：在嵌入式产品的微处理器上采用特殊的分区方式进行分区，不同的区域装载不同的AI模型，通过在微处理器内部配置的定时器任务1，使嵌入式产品的微处理器周期性的自检设备的工作参数，根据参数的变化，再通过比对内部区域存放的AI模型，选择最优的AI模型参与程序执行，适应当前的工作环境及设备参数；并设置周期性定时任务2，周期性上传设备信息及工作环境参数，通过网络通信的方式将数据发送至服务器端，服务器端接收到数据后，通过分析参数，与之前上传的数据进行对比分析，在服务器端重新训练一套可适应当前参数的嵌入式AI模型，并通过网络通信的方式，将新的AI模型参数更新到嵌入式产品中；替换掉已经无法满足微处理器工作的AI模型。2.根据权利要求1所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的嵌入式产品是基于Cortex
‑
M4内核的ARM系列处理器；所述的以太网接口是48引脚的DP83848物理层以太网芯片，该芯片传输速率为100Mbps；所述的环境检测模块包括温湿度检测单元、流量检测单元、压力检测单元、信号转换模块以及电压检测装置，通过上述检测部分周期性的获取设备参数；所述的辅助电源为10法拉的法拉电容；所述的大容量数据存储区为512K的RAM和1MB的ROM存储空间。3.根据权利要求2所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的特殊的分区方式是对处理器的ROM存储区采用4段分区方式；其中区域1为BOOT区，存放硬件的以太网驱动程序；区域2为Command区，存放设备不同工作状态下执行的命令参数；区域3为APP区，存放真正运行的应用程序；区域4存放训练好的AI模型。4.根据权利要求2所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的定时器任务1是通过ARM系列处理器的通用定时器Timer1配置一个定时周期为60s的自检任务；通过微处理器搭载的环境检测模块，实时的分析当前工作环境状况，通过分析环境数据，处理器自主选择存放在区域4中适合当前环境参数的AI模型。5.根据权利要求2所述的一种嵌入式产品AI模型的自适应加载方法，其特征在于：所述的定时器任务2是ARM系列处理器的通用定时器Timer2配置一个定时周期为120s的数据上传任务；所述的设备信息...

【专利技术属性】
技术研发人员：刘虎，叶茂青，张佳昕，施赛菲，王俊，屈浩阳，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：