一种基于边缘AI的视力训练方案制定系统技术方案

本发明专利技术提供一种基于边缘AI的视力训练方案制定系统，包括服务器AI识别模块和边缘AI识别模块；服务器AI识别模块用于存储初始化模型，初始化模型用于制定通用性的视力训练方案；边缘AI识别模块为多个，每一个边缘AI识别模块均与服务器AI识别模块通信连接；服务器AI识别模块将初始化模型通过云指令下载到各边缘AI识别模块，由各边缘AI识别模块进行子模型的训练建立；子模型用于制定个性化的视力训练方案；服务器AI识别模块和多个边缘AI识别模块协同工作，共同用于建立联合模型。本发明专利技术可以解决通过AI技术制定个性化的视力训练方案时，硬件环境要求以及整体成本较高的技术问题。硬件环境要求以及整体成本较高的技术问题。硬件环境要求以及整体成本较高的技术问题。

【技术实现步骤摘要】
一种基于边缘AI的视力训练方案制定系统


[0001]本专利技术涉及智能医用理疗器械
，具体涉及一种基于边缘AI的视 力训练方案制定系统。

技术介绍

[0002]患者在使用翻转镜进行视力训练时，需要由医生结合患者的视力情况、个 人训练习惯制定理疗方案。但因为医生资源少，为提高治疗效率，制定的理疗 方案都基本一致，这样不利于患者的视力康复。
[0003]随着AI(人工智能)技术被广泛应用于医疗领域，可以通过AI技术，在 一定程度上结合每个患者的视力情况、个人训练习惯，来定制化视力训练的理 疗方案。如果要将AI技术应用于制定视力的医疗预防康复理疗方案，存在着 以下问题：患者使用的医用理疗器械终端，需要配置高算力芯片以便于AI技 术完成复杂的自我学习，还需要配置多台服务器分别与终端配合使用，实施 AI技术的硬件环境要求以及整体成本较高。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术提出一种基于边缘AI的视力训练方案 制定系统，以解决现有技术中存在的通过AI技术制定个性化的视力训练方案 时，硬件环境要求以及整体成本较高的技术问题。
[0005]本专利技术采用的技术方案是，一种基于边缘AI的视力训练方案制定系统， 包括服务器AI识别模块和边缘AI识别模块；
[0006]服务器AI识别模块用于存储初始化模型，初始化模型用于制定通用性的 视力训练方案；
[0007]边缘AI识别模块为多个，每一个边缘AI识别模块均与服务器AI识别模 块通信连接；服务器AI识别模块将初始化模型通过云指令下载到各边缘AI 识别模块，由各边缘AI识别模块进行子模型的训练建立；子模型用于制定个 性化的视力训练方案；
[0008]服务器AI识别模块和多个边缘AI识别模块协同工作，共同用于建立联合 模型。
[0009]进一步的，初始化模型在训练时人工神经网络选用前馈神经网络，人工神 经网络的输入包括训练节拍、训练强度、训练方向、训练时长、环境光调节和 训练身体肢体调节，人工神经网络的输出包括训练结果采样、正确率、行为姿 态、环境光和语音。
[0010]进一步的，子模型在训练时人工神经网络选用结构自适应神经网络，结构 为W＝N
×
M的矩阵形式，输入为M
×
1个维度的参数数据，输出为N
×
1个维 度的控制参数；通过分割将N
‑
1层和N层的多对多关系分割成N与N的一对 一之对应关系，将独立化结构逐级相乘N级，构成子模型。
[0011]进一步的，包括云端服务器、多个分布式节点设备和理疗执行设备；
[0012]云端服务器分别与多个分布式节点设备通信连接，云端服务器上设有服务 器AI识别模块；
[0013]分布式节点设备上设有边缘AI识别模块。
[0014]进一步的，联合模型通过多个子模型建立；建立方法包括：
[0015]将子模型的N层神经网络转化为上下每层独立对称的N层网络，构建新 的参数数据集合点和W复合层刺激，利用云端服务器和L个分布式节点设备 构成的1对L型的计算网络，进行联合模型参数运算分配。
[0016]进一步的，由多个子模型构成一个球面神经元群，将联合模型作为球心， 球心负责管理维护数据层和刺激层的关系图谱，负责子模型神经元的连接；联 合模型的计算分解到多个边缘AI识别模块进行分布式计算。
[0017]进一步的，分布式节点设备包括微控制器、声音传感器、光照传感器、温 度传感器和图像采集器；
[0018]微控制器中搭载有边缘AI识别模块；
[0019]声音传感器与微控制器电连接，用于接收、识别用户的语音指令；
[0020]光照传感器与微控制器电连接，用于采集视力训练时环境光和灯光的光照 强度；
[0021]温度传感器与微控制器电连接，用于采集视力训练时环境的温度；
[0022]图像采集器与微控制器电连接，用于采集视力训练时的人体姿态图像。
[0023]进一步的，理疗执行设备包括电动翻转镜，电动翻转镜与分布式节点设备 的微控制器电连接。
[0024]进一步的，边缘AI识别模块利用微控制器内部的flash，使用浮点数存储 训练数据，训练数据占存储空间为32bit、保存在flash中；将建好的子模型存 储在ram中；子模型的建立和经m次迭代后的子模型参数，在分布式节点设 备上自我学习，迭代。
[0025]进一步的，分布式计算通过分布指令实现，分布指令包括模型下载指令、 模型运算指令、模型结果指令、模型调度指令、模型升级指令和模型控制指令。
[0026]进一步的，在子模型运算迭代的过程中，当某一个子模型先完成并且效果 好，就优先对该子模型进行资源分配；由云端服务器将得分高的模型，分发给 各个分布式节点设备，分布计算，快速迭代筛选出最优模型。
[0027]进一步的，在进行资源分配时引入生命参数，生命参数对子模型参数作用 于功能效果构成一个时间控制点。
[0028]由上述技术方案可知，本专利技术的有益技术效果如下：
[0029]将个性化视力训练方案的制定采用独立子模型加分布管理，使得个性化视 力训练方案易于实现，分布式的AI模型之训练可以建立在8位、16位或32 位MCU上进行，可进行低成本的运维。
附图说明
[0030]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将 对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图 中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并 不一定按照实际的比例绘制。
[0031]图1为本专利技术实施例的视力训练方案制定系统示意图；
[0032]图2为本专利技术实施例的初始化模型示意图。
具体实施方式
[0033]下面将结合附图对本专利技术技术方案的实施例进行详细的描述。以下实施例 仅用于更加清楚地说明本专利技术的技术方案，因此只作为示例，而不能以此来限 制本专利技术的保护范围。
[0034]需要注意的是，除非另有说明，本申请使用的技术术语或者科学术语应当 为本专利技术所属领域技术人员所理解的通常意义。
[0035]实施例
[0036]本实施例提供了一种基于边缘AI的视力训练方案制定系统，该系统的硬 件部分，包括云端服务器、多个分布式节点设备和理疗执行设备。云端服务器 和多个分布式节点设备之间的通信及数据传输通过数据传输模块实现；数据传 输模块实现形式不作限定，以现有技术中任意一种可实现方式进行实施，包括 蓝牙、4G、5G、WIFI。
[0037]在具体的实施方式中，云端服务器可只使用1台，云端服务器分别与多个 分布式节点设备通信连接，优选为无线通信连接。云端服务器上搭载的软件包 括服务器AI识别模块，服务器AI识别模块用于存储初始化模型，初始化模型 为人工神经网络训练后的模型，用于制定通用性的视力训练方案。
[0038]单台的分布式节点设备，其硬件包括微控制器(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘AI的视力训练方案制定系统，其特征在于，包括服务器AI识别模块和边缘AI识别模块；所述服务器AI识别模块用于存储初始化模型，所述初始化模型用于制定通用性的视力训练方案；所述边缘AI识别模块为多个，每一个边缘AI识别模块均与所述服务器AI识别模块通信连接；所述服务器AI识别模块将初始化模型通过云指令下载到各边缘AI识别模块，由各边缘AI识别模块进行子模型的训练建立；所述子模型用于制定个性化的视力训练方案；所述服务器AI识别模块和多个所述边缘AI识别模块协同工作，共同用于建立联合模型。2.根据权利要求1所述的基于边缘AI的视力训练方案制定系统，其特征在于，所述初始化模型在训练时人工神经网络选用前馈神经网络，人工神经网络的输入包括训练节拍、训练强度、训练方向、训练时长、环境光调节和训练身体肢体调节，人工神经网络的输出包括训练结果采样、正确率、行为姿态、环境光和语音。3.根据权利要求1所述的基于边缘AI的视力训练方案制定系统，其特征在于，所述子模型在训练时人工神经网络选用结构自适应网络，结构为W＝N
×
M的矩阵形式，输入为M
×
1个维度的参数数据，输出为N
×
1个维度的控制参数；通过分割将N
‑
1层和N层的多对多关系分割成N与N的一对一之对应关系，将独立化结构逐级相乘N级，构成子模型。4.根据权利要求1所述的基于边缘AI的视力训练方案制定系统，其特征在于，包括云端服务器、多个分布式节点设备和理疗执行设备；所述云端服务器分别与多个分布式节点设备通信连接，云端服务器上设有所述服务器AI识别模块；所述分布式节点设备上设有所述边缘AI识别模块。5.根据权利要求4所述的基于边缘AI的视力训练方案制定系统，其特征在于，所述联合模型通过多个子模型建立；建立方法包括：将子模型的N层神经网络转化为上下每层独立对称的N层网络，构建新的参数数据集合点和W复合层刺激，利用云端服务器和L个分布式节点设备构成的1对L型的计算网络，进行联合模型参数运算分配。6.根据权利要求5所述的基...

【专利技术属性】
技术研发人员：叶圆圆，王文文，
申请(专利权)人：重庆能能科技有限公司，
类型：发明
国别省市：