【技术实现步骤摘要】
本专利技术涉及边缘计算数据处理系统领域，具体而言，涉及一种多场景下自适应边缘计算数据处理系统及方法。
技术介绍
1、随着物联网、云计算、大数据等技术的快速发展，数据量呈爆炸式增长，传统的数据中心处理方式已经无法满足实时性、低延迟、高效率等要求。边缘计算作为一种新型的计算模式，能够在数据产生的源头就进行数据处理，大大提高了数据处理效率。然而，现有的边缘计算系统在处理不同场景下的数据时（例如智能制作、智能交通、智能医疗、智能家居、智慧城市、物联网安全等），往往无法自适应地调整处理策略，导致处理效果不理想。
2、因此我们对此做出改进，提出一种多场景下自适应边缘计算数据处理系统及方法。
技术实现思路
1、本专利技术的目的在于：针对目前存在的现有的边缘计算系统在处理不同场景下的数据时，往往无法自适应地调整处理策略，导致处理效果不理想。
2、为了实现上述专利技术目的，本专利技术提供了以下一种多场景下自适应边缘计算数据处理系统及方法，以改善上述问题。
3、本申请具体是这样的：
4、一种多场景下自适应边缘计算数据处理系统，处理系统包括有边缘计算节点、场景识别模块、数据处理模块、数据存储模块与远程控制模块；
5、边缘计算节点用于接收和收集来自物联网设备的数据；场景识别模块能够根据边缘计算节点收集的数据进行数据特征分析，并识别当前场景；数据处理模块用于根据场景信息自适应地调整数据处理策略，并执行调整后的策略对数据进行处理；数据存储模块用于将处
6、作为本申请优选的技术方案，边缘计算节点包括有嵌入式系统、网关、传感器、摄像头、rfid阅读器、智能仪表与执行器。
7、作为本申请优选的技术方案，场景识别模块包括有算法库、计算机视觉设备与传感器数据融合设备。
8、作为本申请优选的技术方案，远程控制模块包括有远程控制客户端。
9、一种多场景下自适应边缘计算数据处理方法，具体的处理步骤如下：
10、s1：接收并收集来自物联网设备的数据；
11、s2：通过数据特征分析，识别当前场景；
12、s3：根据场景信息，自适应地调整数据处理策略，包括算法选择与参数配置；
13、s4：执行调整后的策略，对数据进行处理；
14、s5：将处理后的数据存储，并备份历史数据。
15、作为本申请优选的技术方案，在s1中，在进行特征采集时，采集的数据包括传感器数据、视频和图像数据、音频数据、设备状态数据、执行数据与日志数据；
16、需要采集多模态特征，多模态特征包括视觉、听觉和触觉。
17、作为本申请优选的技术方案，在s2中，在进行数据特征分析时，是对摄像头拍摄各种不同环境的照片，在公共场所录音，其特征包括颜色、形状、纹理、运动和声音；
18、在对特征数据进行模型构建时，根据提取的特征，可以构建一个机器学习或深度学习模型，用于识别场景；模型的训练数据集应包括多个不同的场景，以确保模型的泛化能力。
19、作为本申请优选的技术方案，在构建模型后，需要使用收集的数据集对模型进行训练，通过调整网络权重和结构参数，使模型能够学习和识别不同场景的特征；训练过程中，需要调整学习率、批次大小与优化器超参数以优化模型性能；
20、训练完成后，需要使用独立的数据集对模型进行测试与验证，以确保在实际应用中的性能。
21、作为本申请优选的技术方案，在s3中，实现自适应地调整数据处理策略的操作步骤如下：
22、步骤1：收集场景相关信息，采集与场景相关的信息；
23、步骤2：评估场景匹配度，根据采集的当前场景信息，定义处理策略模版，模版包括算法选择以及参数配置，为每个模块分配一个权重，以反映其在特定场景下的适用性；
24、步骤3：自适应选择处理策略，根据评估的结果自适应地选择最佳匹配的处理策略；
25、步骤4：调整数据处理参数，根据选定的处理策略，调整数据处理过程中的参数，参数包括滤波器的阈值、特征提取方法提取的数据；
26、步骤5：策略更新，根据不断变化的场景信息，实时更新处理策略；
27、步骤6：监控和优化，在实际应用中持续监控数据处理效果，并根据实际情况对处理策略进行调整和优化。
28、作为本申请优选的技术方案，在s5中，需要选择合适的存储方案，根据数据量、访问频率和性能要求，选择对应的存储方案；数据分片和备份，将数据分片存储，以提高数据的并发访问性能，同时对每个分片进行备份处理；数据安全保护，确保数据存储的安全性，采用加密、访问控制技术防止数据泄漏。
29、与现有技术相比，本专利技术的有益效果：
30、在本申请的方案中：
31、1.为了解决现有技术中现有的边缘计算系统在处理不同场景下的数据时，往往无法自适应地调整处理策略，导致处理效果不理想的问题，本申请通过设置的根据场景信息，自适应地调整数据处理策略，实现了能够根据实时采集的数据，选择对应的数据处理策略，能够根据场景的不同，使得处理效果更加理想；
32、2.为了解决现有技术中往往无法自适应地调整处理策略的问题，本申请通过设置的场景识别模块，实现了根据场景采集的数据，对场景的特征进行提取识别，精确识别所处的场景，从而完成自适应的调整数据处理策略。
本文档来自技高网...【技术保护点】
1.一种多场景下自适应边缘计算数据处理系统，其特征在于，处理系统包括有边缘计算节点、场景识别模块、数据处理模块、数据存储模块与远程控制模块；
2.根据权利要求1所述的一种多场景下自适应边缘计算数据处理系统，其特征在于，远程控制模块包括有远程控制客户端。
3.一种多场景下自适应边缘计算数据处理方法，采用权利要求2所述的一种多场景下自适应边缘计算数据处理系统，其特征在于，具体的处理步骤如下：
4.根据权利要求3所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在S1中，在进行特征采集时，采集的数据包括传感器数据、视频和图像数据、音频数据、设备状态数据、执行数据与日志数据；
5.根据权利要求4所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在S2中，在进行数据特征分析时，是对摄像头拍摄各种不同环境的照片，在公共场所录音，其特征包括颜色、形状、纹理、运动和声音；
6.根据权利要求5所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在构建模型后，需要使用收集的数据集对模型进行训练，通过调整网络权重和结构参
7.根据权利要求6所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在S3中，实现自适应地调整数据处理策略的操作步骤如下：
8.根据权利要求7所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在S5中，需要选择合适的存储方案，根据数据量、访问频率和性能要求，选择对应的存储方案；数据分片和备份，将数据分片存储，以提高数据的并发访问性能，同时对每个分片进行备份处理；数据安全保护，确保数据存储的安全性，采用加密、访问控制技术防止数据泄漏。
...【技术特征摘要】
1.一种多场景下自适应边缘计算数据处理系统，其特征在于，处理系统包括有边缘计算节点、场景识别模块、数据处理模块、数据存储模块与远程控制模块；
2.根据权利要求1所述的一种多场景下自适应边缘计算数据处理系统，其特征在于，远程控制模块包括有远程控制客户端。
3.一种多场景下自适应边缘计算数据处理方法，采用权利要求2所述的一种多场景下自适应边缘计算数据处理系统，其特征在于，具体的处理步骤如下：
4.根据权利要求3所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在s1中，在进行特征采集时，采集的数据包括传感器数据、视频和图像数据、音频数据、设备状态数据、执行数据与日志数据；
5.根据权利要求4所述的一种多场景下自适应边缘计算数据处理方法，其特征在于，在s2中，在进行数据特征分析时，是对摄像头拍摄各种不同环境的照片，在公共场所录音，...
【专利技术属性】
技术研发人员：赵晨光，石伟，付波，郑伟健，左影，张海东，魏宝宇，王阳，
申请(专利权)人：唐山旭华智能科技有限公司，
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。