[發(fā)明專利]一種面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011121765.2
• 申請日: 2020-10-20
• 公開（公告）號: CN112468533B
• 公開（公告）日: 2023-01-10
• 發(fā)明（設(shè)計）人: 石雷;郭星;徐娟;許自強;齊強;呂增威
• 申請（專利權(quán)）人: 安徽網(wǎng)萌科技發(fā)展股份有限公司
• 主分類號: H04L67/10
• 分類號: H04L67/10;H04L67/1008;H04L67/1023
• 代理公司: 北京知聯(lián)天下知識產(chǎn)權(quán)代理事務所(普通合伙) 11594
• 代理人: 張陸軍;張迎新

1.一種面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法，其特征在于，

將訓練好的模型部署在邊緣服務器和云服務器中；

數(shù)據(jù)采集終端接收各種農(nóng)產(chǎn)品的原始數(shù)據(jù)；

數(shù)據(jù)采集終端將原始數(shù)據(jù)進行處理，得到第一中間數(shù)據(jù)，再將第一中間數(shù)據(jù)發(fā)送至最佳的邊緣服務器，最佳的邊緣服務器處理得到第二中間數(shù)據(jù)；

數(shù)據(jù)采集終端預測原始數(shù)據(jù)在數(shù)據(jù)采集終端的第一處理時間,數(shù)據(jù)采集終端的第一中間數(shù)據(jù)在邊緣服務器中的第二處理時間，邊緣服務器中的第二中間數(shù)據(jù)在云服務器中的第三處理時間，數(shù)據(jù)采集終端的第一中間數(shù)據(jù)傳輸至邊緣服務器所需的第一傳輸時間,邊緣服務器中的第二中間數(shù)據(jù)傳輸至云服務器所需的第二傳輸時間；

數(shù)據(jù)采集終端預測原始數(shù)據(jù)在數(shù)據(jù)采集終端的第一處理能耗,數(shù)據(jù)采集終端的第一中間數(shù)據(jù)在邊緣服務器中的第二處理能耗，邊緣服務器中的第二中間數(shù)據(jù)在云服務器中的第三處理能耗，數(shù)據(jù)采集終端的第一中間數(shù)據(jù)傳輸至邊緣服務器所需的第一傳輸能耗,邊緣服務器中的第二中間數(shù)據(jù)傳輸至云服務器所需的第二傳輸能耗；

基于第一處理時間、第二處理時間、第三處理時間、第一傳輸時間、第二傳輸時間、第一處理能耗、第二處理能耗、第三處理能耗、第一傳輸能耗和第二傳輸能耗，獲取所述模型的最優(yōu)分割點，對邊緣服務器和云服務器中的所述模型在最優(yōu)分割點進行分割，所述模型在最優(yōu)分割點前為第一分塊，所述模型在最優(yōu)分割點后為第二分塊，在邊緣服務器中，第一分塊處理第一中間數(shù)據(jù)，在云服務器中，第二分塊處理第二中間數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法，其特征在于，

數(shù)據(jù)采集終端預測第一中間數(shù)據(jù)在邊緣服務器的第一等待時間，第二中間數(shù)據(jù)在云服務器中的第二等待時間；

基于第一處理時間、第二處理時間、第三處理時間、第一傳輸時間、第二傳輸時間、第一等待時間、第二等待時間、第一處理能耗、第二處理能耗、第三處理能耗、第一傳輸能耗和第二傳輸能耗，獲取所述模型的最優(yōu)分割點，對邊緣服務器和云服務器中的所述模型在最優(yōu)分割點進行分割，所述模型在最優(yōu)分割點前為第一分塊，所述模型在最優(yōu)分割點后為第二分塊，在邊緣服務器中，第一分塊處理第一中間數(shù)據(jù)，在云服務器中，第二分塊處理第二中間數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法，其特征在于，

數(shù)據(jù)采集終端預測第一中間數(shù)據(jù)在邊緣服務器中處理結(jié)果的第一精度，第二中間數(shù)據(jù)在云服務器中處理結(jié)果的第二精度；

基于第一處理時間、第二處理時間、第三處理時間、第一傳輸時間、第二傳輸時間、第一處理能耗、第二處理能耗、第三處理能耗、第一傳輸能耗和第二傳輸能耗、第一精度和第二精度，獲取所述模型的最優(yōu)分割點，對邊緣服務器和云服務器中的所述模型在最優(yōu)分割點進行分割，所述模型在最優(yōu)分割點前為第一分塊，所述模型在最優(yōu)分割點后為第二分塊，在邊緣服務器中，第一分塊處理第一中間數(shù)據(jù)，在云服務器中，第二分塊處理第二中間數(shù)據(jù)。

4.根據(jù)權(quán)利要求1-3中任一項所述的面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法，其特征在于，所述獲取所述模型的最優(yōu)分割點之前還包括：

基于第一處理時間、第二處理時間、第三處理時間、第一傳輸時間、第二傳輸時間、第一處理能耗、第二處理能耗、第三處理能耗、第一傳輸能耗和第二傳輸能耗，選擇最佳的邊緣服務器處理第一中間數(shù)據(jù)。

5.根據(jù)權(quán)利要求1-3中任一項所述的面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法，其特征在于，判斷基于原始數(shù)據(jù)獲得結(jié)果是否需要立即反饋，若需要，邊緣服務器反饋處理結(jié)果至數(shù)據(jù)采集終端。

6.根據(jù)權(quán)利要求5所述的面向農(nóng)產(chǎn)品種植的邊緣學習模型在線分割方法，其特征在于，基于第一處理時間、第二處理時間、第三處理時間、第一傳輸時間、第二傳輸時間、邊緣服務器反饋處理結(jié)果至數(shù)據(jù)采集終端的反饋時間、第一處理能耗、第二處理能耗、第三處理能耗、第一傳輸能耗和第二傳輸能耗，獲取所述模型的最優(yōu)分割點，對邊緣服務器和云服務器中的所述模型在最優(yōu)分割點進行分割，所述模型在最優(yōu)分割點前為第一分塊，所述模型在最優(yōu)分割點后為第二分塊，在邊緣服務器中，第一分塊處理第一中間數(shù)據(jù)，在云服務器中，第二分塊處理第二中間數(shù)據(jù)。