一种AI智能边缘计算网关制造技术

本发明专利技术公开了一种AI智能边缘计算网关，包括通过采集模块采集图像数据；通过智能运维核心板集成化处理并通过智能计算加速单元进行图像智能AI分析和AI智能巡视边缘计算与分析；将计算与分析结果上传至物联网平台及生产监控指挥。本发明专利技术采用高性能工业级无线模块和双核处理器，实现无线化信息高速传输，占地面积小且节省布线成本。采用完备的防掉线机制，并且设置电磁隔离保护、反相保护和过电压保护，保证数据终端永远在线且系统稳定可靠。提供智能型数据终端和功能强大的中心管理软件，方便设备统一管理。设备统一管理。设备统一管理。

【技术实现步骤摘要】
一种AI智能边缘计算网关


[0001]本专利技术涉及边缘计算网关
，尤其涉及一种AI智能边缘计算网关。

技术介绍

[0002]AI智能边缘计算网关是一款旨在助力电力物联网行业，集4G、AI、边缘计算、通信管理、安全防护等多种前沿科技为体的产品，功能涵盖智慧物联管理体系的“边”与“端”,是整个系统实现云边协同、边端联动、算力下沉、区域自治的重要组成部分，可广泛应用于智能电网、电力物联网、工业互联、智慧工厂、智慧城市等领域。AI智能边缘计算网关是一款具有高性能、多接口、高带宽、大连接、低时延的工业网关，从芯片到模块全部采用工业级设计，支持4G/5G全网通、双频WIFI、千兆网口等多种外设与模块，实现多协议、多接口的终端设备采集、计算、存储、控制功能。
[0003]近年来，工厂和楼宇借鉴物联网概念布置视频和传感器监测网络完成环境数据监控、识别、预警的应用正在逐步展开，扩大物联网应用的渗透，推动物联网的快速发展，现有的网关在进行无线化信息高速传输的同时，往往占地面积面积比较大布线成本高，使用过程中容易出现掉掉线现象，并且没有电磁隔离保护、反相保护和过电压保护，网关使用过程中系统稳定性较差，缺乏足够的可靠性。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术解决的技术问题是：现有的网关在进行无线化信息高速传输的同时，往往占地面积面积比较大布线成本高，使用过程中容易出现掉掉线现象，并且没有电磁隔离保护、反相保护和过电压保护，网关使用过程中系统稳定性较差，缺乏足够的可靠性。
[0007]为解决上述技术问题，本专利技术提供如下技术方案一种AI智能边缘计算网关，包括：通过采集模块采集图像数据；通过智能运维核心板集成化处理并通过智能计算加速单元进行图像智能AI分析和AI智能巡视边缘计算与分析；将计算与分析结果上传至物联网平台及生产监控指挥。
[0008]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：所述采集模块包括摄像头，通过所述摄像头实时采集图像数据，并将采集的所述图像数据上传至智能运维核心板。
[0009]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：所述图像智能AI分析采用Gabor滤波器进行图像的特征提取，Gabor特征是一种可以用来描述图像纹理信息的特征，Gabor滤波器的频率和方向与人类的视觉系统类似，特别适合于纹理表示与判别。Gabor特征主要依靠Gabor核在频率域上对信号进行加窗，从而能描述信号的局部频率信
息。
[0010]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：所述Gabor滤波器是由高斯窗取短暂的傅里叶变换，Gabor滤波器复数形式表现为：
[0011]Complex
[0012][0013]Real
[0014][0015]Imaginary
[0016][0017]where
[0018]x'＝xcosθ+ysinθψ
[0019]and
[0020]y'＝
‑
xsinθ+ycosθ
[0021]其中，λ表示正弦函数的波长，θ表示核函数方向，ψ表示相位偏移，σ表示高斯标准差，γ表示x y两个方向的纵横比(指定了Gabor函数的椭圆率)。
[0022]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：实现Gabor滤波器的转换和完成Gabor特征提取后，对图形进行实数形式的Gabor变换，得到处理后的图像，直接提取特征，对图像分块，分别水平和垂直方向取16等分，将整个图像分成64个16x16大小的子图像块。计算每一块对应的能量。能量公式如下：
[0023][0024]计算空间频率能量矩阵，将能量矩阵降维成1x64的行向量，作为原始图像在某一方向和尺度变换后的特征向量通过利用Gabor滤波器对图形的转换和特征提取，完成智能AI图形识别的重要工作。
[0025]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：所述智能运维核心板支持存储各智能数据处理子模块上送的计算后的数据结果，包括AI图像分析结果、设备巡检数据和图像、各类型传感器采集图像数据、统计分析数据等。
[0026]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：通过自动编码器中的机器深度学习算法提升识别成功率和识别精度；
[0027]训练样本x＝{x1，x2，x3...x
n
}
[0028]输出为x'＝{x1‘
，x2‘
，x3‘
,...x
n
‘
}
[0029]若输入层L1有n个单元，中间隐含层L2有m个单元，并且要从隐含层的这m维的单元重构出n维的输入，而m<n,那么L2层便得到了输入数据的压缩表示。
[0030]作为本专利技术所述的AI智能边缘计算网关的一种优选方案，其中：
[0031]用原始数据训练第一个自动编码器，得到其权值W和输入的一阶特征表示h
(1)
)，然
后利用这些一阶特征作为第二个自动编码器的输入，来得到第二层的参数和二阶特征表示h
(2)
，依此类推，对后面的各层采用同样的方法,即将前一个自动编码器的输出作为接下来的自动编码器的输入，此过程能学习得到输入数据的特征表示。
[0032]本专利技术的有益效果：本专利技术采用高性能工业级无线模块和双核处理器，实现无线化信息高速传输，占地面积小且节省布线成本。采用完备的防掉线机制，并且设置电磁隔离保护、反相保护和过电压保护，保证数据终端永远在线且系统稳定可靠。提供智能型数据终端和功能强大的中心管理软件，方便设备统一管理。
附图说明
[0033]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0034]图1为本专利技术一个实施例提供的一种AI智能边缘计算网关的基本流程示意图；
[0035]图2为本专利技术一个实施例提供的一种AI智能边缘计算网关的结构示意图；
[0036]图3为本专利技术一个实施例提供的一种AI智能边缘计算网关中的智能计算加速单元具体功能图；
[0037]图4为本专利技术一个实施例提供的一种AI智能边缘计算网关自动编码器网络示意图。
具体实施方式
[0038]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种AI智能边缘计算网关，其特征在于，包括：通过采集模块采集图像数据；通过智能运维核心板集成化处理并通过智能计算加速单元进行图像智能AI分析和AI智能巡视边缘计算与分析；将计算与分析结果上传至物联网平台及生产监控指挥。2.如权利要求1所述的AI智能边缘计算网关，其特征在于：所述采集模块包括摄像头，通过所述摄像头实时采集图像数据，并将采集的所述图像数据上传至智能运维核心板。3.如权利要求2所述的AI智能边缘计算网关，其特征在于：所述图像智能AI分析采用Gabor滤波器进行图像的特征提取，Gabor特征是一种可以用来描述图像纹理信息的特征，Gabor滤波器的频率和方向与人类的视觉系统类似，特别适合于纹理表示与判别。Gabor特征主要依靠Gabor核在频率域上对信号进行加窗，从而能描述信号的局部频率信息。4.如权利要求3所述的AI智能边缘计算网关，其特征在于：所述Gabor滤波器是由高斯窗取短暂的傅里叶变换，Gabor滤波器复数形式表现为：ComplexRealImaginarywherex'＝xcosθ+ysinθψandy'＝
‑
xsinθ+ycosθ其中，λ表示正弦函数的波长，θ表示核函数方向，ψ表示相位偏移，σ表示高斯标准差，γ表示x y两个方向的纵横比(指定了Gabor函数的椭圆率)。5.如权利要求4所述的AI智能边缘计算网关，其特征在于：实现Gabor滤波器的转换和完成Gabor特征提取后，对图形进行实数形式的Gabor变换，得到处理后的图像，直接提取特征，对图像分块，分别水平和垂直方向取16等分，将整个图像分成6...

【专利技术属性】
技术研发人员：杨志花，钟震宇，吴振田，叶洪清，刘炜伦，罗崇立，王秀竹，李森林，吕灵智，龙邹，韦荣桃，廖颖茜，尹震超，钱鑫，
申请(专利权)人：广东电力通信科技有限公司，
类型：发明
国别省市：