一种工业缺陷检测任务调度方法、装置、设备及介质制造方法及图纸

本申请公开了一种工业缺陷检测任务调度方法、装置、设备及介质，涉及人工智能技术领域，对工业缺陷检测的边缘人工智能任务进行数据采集及预处理；对预处理后数据进行特征提取，得到特征向量，筛选与特征向量相匹配的目标计算核心；为边缘人工智能任务分配优先级，基于目标边缘人工智能任务对目标计算核心进行能效优化；基于优先级将目标边缘人工智能任务添加至任务队列，获取优化后的计算核心的负载参数，判断负载参数是否大于预设阈值；若大于，将待调度任务迁移至待调度计算核心，完成对工业缺陷检测任务的调度，解决计算设备在混合多核架构下工业缺陷检测任务调度不合理、计算资源浪费及能效低下的问题，实现任务在混合多核架构上的合理分配。

【技术实现步骤摘要】

本专利技术涉及人工智能，特别涉及一种工业缺陷检测任务调度方法、装置、设备及介质。

技术介绍

1、目前，边缘ai（artificial intelligence，人工智能）计算设备常采用包含cpu（central processing unit，中央处理器）、gpu（graphic processing unit，图形处理器）、npu（neural processing unit，神经网络处理器）等异构核心的混合多核架构。目前边缘计算多核工业缺陷检测任务调度算法，包括：通过构建任务队列和核心资源池，利用深度q网络学习任务与核心之间的最优分配策略，该算法仅考虑了任务的部分静态特征，在面对边缘ai任务中大量动态变化的计算需求时，无法及时调整任务分配策略，导致任务执行效率下降，并且在任务执行过程中会造成不必要的能源消耗；基于并行计算模型，假设mec（multi-access edge computing server）服务器可同时计算的任务数量无上限、计算资源能任意分配且任务对资源具有独占性，在此基础上通过任务优先级划分和资源预分配策略进行调度，但在实际的边缘ai本文档来自技高网...

【技术保护点】

1.一种工业缺陷检测任务调度方法，其特征在于，包括：

2.根据权利要求1所述的工业缺陷检测任务调度方法，其特征在于，所述对所述边缘人工智能任务进行数据采集及预处理，得到预处理后数据，包括：

3.根据权利要求1所述的工业缺陷检测任务调度方法，其特征在于，所述对所述预处理后数据进行特征提取之前，还包括：

4.根据权利要求3所述的工业缺陷检测任务调度方法，其特征在于，所述对所述预处理后数据进行特征提取，得到特征向量，包括：

5.根据权利要求1所述的工业缺陷检测任务调度方法，其特征在于，所述从多个计算核心中筛选出与所述特征向量相匹配的目标计算核心，...

【技术特征摘要】

1.一种工业缺陷检测任务调度方法，其特征在于，包括：

2.根据权利要求1所述的工业缺陷检测任务调度方法，其特征在于，所述对所述边缘人工智能任务进行数据采集及预处理，得到预处理后数据，包括：

3.根据权利要求1所述的工业缺陷检测任务调度方法，其特征在于，所述对所述预处理后数据进行特征提取之前，还包括：

4.根据权利要求3所述的工业缺陷检测任务调度方法，其特征在于，所述对所述预处理后数据进行特征提取，得到特征向量，包括：

5.根据权利要求1所述的工业缺陷检测任务调度方法，其特征在于，所述从多个计算核...

【专利技术属性】
技术研发人员：吕友，毕姗姗，王凤春，
申请(专利权)人：浪潮企业云科技山东有限公司，
类型：发明
国别省市：