[發明專利]基于云邊協同的人機混合增強智能系統、方法、裝置

有效

• 申請號: 202010469336.8
• 申請日: 2020-05-28
• 公開（公告）號: CN111611085B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 朱鳳華;李嘉碩;陳世超;熊剛;呂宜生;葉佩軍;王曉;王飛躍
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F9/50
• 分類號: G06F9/50
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明屬于云邊協同、混合增強智能領域，具體涉及一種基于云邊協同的人機混合增強智能方法、系統、裝置，旨在解決邊緣側的計算及存儲資源不足，導致高復雜度的智能算法難以部署，低復雜度的智能算法精度有限的的問題。本系統包括：設置于云端的算法庫、設置于邊緣端的輸入模塊、算法選擇模塊、決策模塊；算法庫，用于儲存算法文件；輸入模塊，用于獲取輸入信息；算法選擇模塊，配置為獲取邊緣設備的性能評價指標，并通過預設的算法選取規則從算法庫中選取相應的算法；決策模塊，配置為獲取目標決策結果。本發明降低了高復雜度的智能算法的部署難度，提高了低復雜度的智能算法的精度。

技術領域

本發明屬于云邊協同、混合增強智能領域，具體涉及一種基于云邊協同的人機混合增強智能系統、方法、裝置。

背景技術

云計算的發展使得移動設備可以通過云端的數據中心獲得豐富的計算資源。然而，隨著物聯網、人工智能、大數據等技術的高速發展，網絡邊緣的設備數量和其產生的數據量都急劇增長，傳統云計算以云端數據中心為核心的集中式處理模式無法高效的處理邊緣設備產生的數據，其面臨著帶寬不足，網絡傳輸延遲大、數據傳輸代價高等問題。

邊緣計算是指任何連接到網絡的設備，在靠近數據源或服務對象的地方提供實時的智能服務。與傳統云計算將所有計算行為都遷移到云端進行的行為不同，邊緣計算可以將任務放到就近的邊緣設備上進行處理，這樣不僅極大的提高了響應速度。邊緣智能進一步推動了邊緣計算的快速發展與應用。但將人工智能部署在邊云設備上仍然面臨著一定的挑戰：邊緣設備的計算、儲存等資源受限，復雜的智能算法難以在邊緣設備上運行等問題。

而無人參與的邊緣智能系統，其優勢也即弊病在于不考慮人的因素，將人排除于決策系統之外。對于無人參與的邊緣智能決策系統，其優勢是系統穩定性高、處理效率高、解放了人；其劣勢是人缺少參與度、在面對復雜情況時表現較差。因此，開發一種基于云邊協同的人機混合增強智能系統成為亟待解決的技術問題。

發明內容

為了解決現有技術中的上述問題，即為了解決邊緣側的計算及存儲資源不足，導致高復雜度的智能算法難以部署，低復雜度的智能算法精度有限的問題，本發明第一方面，提出了一種基于云邊協同的人機混合增強智能系統，該系統包括：設置于云端的算法庫、設置于邊緣端的輸入模塊、算法選擇模塊、決策模塊；

所述算法庫，用于儲存算法文件；所述算法文件包括基于統計模型的機器學習算法文件、神經網絡模型算法文件；

所述輸入模塊，用于獲取輸入信息；所述輸入信息包括系統待處理數據、邊緣設備靜態參數、邊緣設備動態參數、預設的實時性要求參數及精度要求參數；

所述算法選擇模塊，配置為基于邊緣設備靜態參數、邊緣設備動態參數，獲取邊緣設備的性能評價指標，并結合所述實時性要求參數、所述精度要求參數，通過預設的算法選取規則從所述算法庫中選取相應的算法，作為第一算法；

所述決策模塊，配置為通過所述第一算法獲取所述系統待處理數據的處理結果及其對應的置信度，若該置信度大于預設的閾值，則將所述處理結果作為目標決策結果，否則獲取錄入的人工決策信息作為目標決策結果。

在一些優選的實施方式中，所述云端還包括算法更新模塊，該模塊包括算法更新單元、數據集更新單元；

所述數據集更新單元，配置為基于系統輸入參數、決策信息，更新數據集；

所述算法更新單元，配置為當人工決策信息的獲取次數大于設定的最大次數，則基于更新后的數據集，對所述算法庫中的算法進行更新。

在一些優選的實施方式中，所述邊緣端還包括控制模塊；所述控制模塊，配置為基于所述目標決策結果，對待控制目標進行控制。

在一些優選的實施方式中，所述邊緣設備靜態參數為邊緣設備的配置信息；所述配置信息包括內存大小、顯卡內存大小、硬盤大小；