[發明專利]農業機器人計算任務協同方法、系統、介質和設備

有效

• 申請號: 202010218480.4
• 申請日: 2020-03-25
• 公開（公告）號: CN111445125B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 李小敏;朱立學;馬稚昱
• 申請（專利權）人: 仲愷農業工程學院
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q10/10;G06Q50/02;G06F18/23;G06F18/241;G06N3/0475;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種農業機器人計算任務協同方法，其特征在于，包括下述步驟：

通過網絡將農業機器人、邊緣服務器以及云服務器構建計算網絡；

將農業機器人放置于農業環境中運行一段時間，獲取各種計算任務的相關參數；

將計算任務的相關參數發往邊緣服務器，邊緣服務器按照計算任務的參數，采用層次聚類對計算任務進行分類；

在邊緣服務器端，采用特征過濾方法，提取計算任務的關鍵特征；

在云服務器端，以計算任務類型以及其關鍵特征為輸入，計算時間與精度為輸出，采用BP神經網絡，構建計算任務模型；

當計算任務出現時，農業機器人將附近可用的計算資源進行清點，將計算任務分解為多個子任務；

將計算子任務與可用計算資源進行組合，具體為：

構建計算子任務與計算資源的映射，每一個計算資源可完成計算任務是有一定的上限，同時有些計算資源是不能完成某些子任務；

將子任務分解為n個，計算資源有農業機器人和邊緣服務器，根據不同的任務，農業機器人匹配相應的邊緣服務器執行對應的任務；

構建預測模型，所述預測模型的輸入為通過神經網絡構建的任務類型和任務參數，輸出為計算精度和計算時間；通過該預測模型，輸入任務類型與相關任務參數得到預測的計算精度和計算時間；

所述預測模型具體為：

針對云服務器中的數據庫中存儲的計算任務類型及其他特征數據，進行數據轉換，得到規范化的計算任務數據表；

網絡初始化：給各連接權重賦一個區間為[-1,1]內的隨機數，設定誤差函數e，設定計算精度和最大學習次數；

隨機選取：隨機選取第i個訓練樣本以及對應的期望輸出；

隱含層計算：計算隱含層各神經元的輸入和輸出；

求偏導數：利用網絡期望輸出和實際輸出，計算誤差函數對輸出層的各神經元的偏導數；

修正權值：利用輸出層各神經元的偏導數和隱含層各神經元的輸出來修正鏈接權值；

修正權值：利用隱含層各神經元的偏導數和輸入層各神經元的輸入修正鏈接權值；

計算全局誤差：在修正過模型的連接權重之后重新計算新的模型的全局誤差；

判斷模型合理性：判斷當前模型是否滿足要求，否則，選擇下一個隨機學習樣本以及對應的期望輸出，執行下一次學習；

根據預測的計算時間與精度對不同組合進行評分；

選擇評分最優的組合完成當前計算任務。

2.根據權利要求1所述農業機器人計算任務協同方法，其特征在于，所述計算任務的模型具體為：

假設有n個計算任務樣本包含m個特征，計算任務分類算法描述如下：

將每個樣本歸為一類,?共得到n類,?每類僅包含一個樣本，?類與類之間的距離就是它們所包含的樣本之間的歐式距離；

找到最接近的兩個類并合并成一類,?于是總的類數少了一個；

重新計算新的類與所有舊類之間的距離；

計算重新分類后類與類之間的平均距離；

如果平均距離增大重復上述步驟,?如果平均距離減小停止分類；

輸出每個分類及特征的平均值。

3.根據權利要求1所述農業機器人計算任務協同方法，其特征在于，進行評分的規則為：

以計算時間，計算精度，計算占有的資源，比重分別為?30%，?30%，?40%；

計算時間滿足條件：100分，不滿足?0分；

計算精度按照：

；

計算占用資源評分。

4.根據權利要求1所述農業機器人計算任務協同方法，其特征在于，還包括下述步驟：

?將所有計算資源抽象為計算節點，當在該時間段內某個機器人需要在特定的時間內完成計算任務時，任務機器人在周期t初始時刻，相關全網廣播計算子網絡系統請求信息，該信息包括進行入該計算子網系統的基本評分條件；

計算網絡節點接收到信息后，依照統一的基本評分標準，完成評分；滿足評分條件的計算網絡節點將反饋信息，發送給計算任務機器人

計算任務計算機器人，將滿足條件的網絡計算節點存儲在本地系統。