【技术实现步骤摘要】
基于人工智能的无人机状态数据处理方法及系统
[0001]本申请涉及人工智能
，具体而言，涉及一种基于人工智能的无人机状态数据处理方法及系统
。
技术介绍
[0002]无人机已经在许多领域得到了广泛应用，如航拍
、
物流配送
、
农业喷洒等
。
随着无人机技术的不断发展和应用领域的不断拓宽，无人机的状态监控和预测成为了一项重要的任务
。
然而，由于无人机状态数据量大且需要复杂的神经网络计算任务进行处理，这对计算资源提出了极高的要求
。
[0003]因此，如何在云计算环境中有效地对大规模无人机状态数据进行神经网络计算任务，包括如何高效地管理和调度云计算节点，是当前技术发展中需要解决的关键问题
。
技术实现思路
[0004]为了至少克服现有技术中的上述不足，本申请的目的在于提供一种基于人工智能的无人机状态数据处理方法及系统
。
[0005]第一方面，本申请提供一种基于人工智能的无人机状态数据处理方法，应用于无人机服务系统，所述方法包括：在候选无人机状态数据集合中的候选无人机状态数据的量级符合设定的第一云计算资源增设要求
、
以及此时将
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，将增设的
Y
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务，所述...
【技术保护点】
【技术特征摘要】
1.
一种基于人工智能的无人机状态数据处理方法，其特征在于，应用于无人机服务系统，所述方法包括：在候选无人机状态数据集合中的候选无人机状态数据的量级符合设定的第一云计算资源增设要求
、
以及此时将
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，将增设的
Y
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务，所述
X
个云计算节点对所述候选无人机状态数据集合中的各个候选无人机状态数据进行所述神经网络计算任务所对应的第一期望代价大于第一门限值；从所述候选无人机状态数据集合中获取
Y
批候选无人机状态数据，并将所述
Y
批候选无人机状态数据加载至所述
Y
个云计算节点中，所述
Y
批候选无人机状态数据与所述
Y
个云计算节点分别存在映射关系，所述
X
个云计算节点和所述
Y
个云计算节点对所述候选无人机状态数据集合中的各个候选无人机状态数据进行所述神经网络计算任务所对应的第二期望代价不大于所述第一门限值；当调度所述
X
个云计算节点对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，调度所述
Y
个云计算节点中的各个云计算节点对对应的一批候选无人机状态数据进行所述神经网络计算任务，生成
Y
个无人机状态挖掘数据，所述
Y
个云计算节点和所述
X
个云计算节点是同步进行所述神经网络计算任务的云计算节点
。2.
根据权利要求1所述的基于人工智能的无人机状态数据处理方法，其特征在于，所述在候选无人机状态数据集合中的候选无人机状态数据的量级符合设定的第一云计算资源增设要求
、
以及此时将
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，将增设的
Y
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务，包括：在所述候选无人机状态数据集合中的候选无人机状态数据的量级不小于设定的第一门限量级
、
以及此时将所述
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，将增设的所述
Y
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务；或者，在所述候选无人机状态数据集合中的候选无人机状态数据的量级的正向变化导数不小于设定的第一导数值
、
以及此时将所述
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，基于所述候选无人机状态数据集合中的候选无人机状态数据的量级与设定的所述第一门限值，确定
Y
的数值，并将增设的所述
Y
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务
。3.
根据权利要求1所述的基于人工智能的无人机状态数据处理方法，其特征在于，所述调度所述
Y
个云计算节点中的各个云计算节点对对应的一批候选无人机状态数据进行所述神经网络计算任务，包括：依据下述操作调度所述
Y
个云计算节点中的第
a
个云计算节点对第
a
批候选无人机状态数据进行所述神经网络计算任务，
a
不小于
1、
且不大于
Y
：依据所述第
a
个云计算节点中的逻辑运算芯片分对所述第
a
批候选无人机状态数据中的各候选无人机状态数据进行逻辑运算任务，生成对应的逻辑运算数据，并将所述逻辑运
算数据加载到所述第
a
个云计算节点中的神经处理芯片，依据所述神经处理芯片使用目标神经网络对所述逻辑运算数据进行所述神经网络计算任务，生成对应的无人机状态挖掘数据，所述逻辑运算任务与所述神经网络计算任务为不同阶段的任务
。4.
根据权利要求1所述的基于人工智能的无人机状态数据处理方法，其特征在于，所述方法还包括：在所述候选无人机状态数据集合中的候选无人机状态数据的量级不大于设定的第二门限量级
、
以及此时将所述
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，将此时调度的所述
X
个云计算节点压缩到
K
个云计算节点，或者在所述候选无人机状态数据集合中的候选无人机状态数据的量级的负向变化导数不小于设定的第二导数值
、
以及此时将所述
X
个云计算节点设定为用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务时，基于所述候选无人机状态数据集合中的候选无人机状态数据的量级与设定的第二门限值，确定
K
的数值，并将此时调度的所述
X
个云计算节点压缩到所述
K
个云计算节点，
K
不小于
1、
且小于
X
，所述
K
个云计算节点被用于对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务，所述
X
个云计算节点中除所述
K
个云计算节点之外的云计算节点被用于结束对所述候选无人机状态数据集合中的候选无人机状态数据进行神经网络计算任务，所述
X
个云计算节点对所述候选无人机状态数据集合中的各个候选无人机状态数据进行所述神经网络计算任务所对应的第三期望代价小于第二门限值，所述第二门限值小于所述第一门限值；从所述候选无人机状态数据集合中获取
K
批候选无人机状态数据，并将所述
K
批候选无人机状态数据加载至所述
K
个云计算节点中，所述
K
批候选无人机状态数据与所述
K
个云计算节点分别存在映射关系，所述
K
个云计算节点对所述候选无人机状态数据集合中的各个候选无人机状态数据进行所述神经网络计算任务所对应的第四期望代价不小于所述第二门限值
、
且不大于所述第一门限值；依据下述操作调度所述
K
个云计算节点中的第
b
个云计算节点对第
b
批候选无人机状态数据进行所述神经网络计算任务，
b
不小于
1、
且不大于
K
：依据所述第
b
个云计算节点中的逻辑运算芯片分对所述第
b
批候选无人机状态数据中的各候选无人机状态数据进行逻辑运算任务，生成对应的逻辑运算数据，并将所述逻辑运算数据加载到所述第
b
个云计算节点中的神经处理芯片，依据所述神经处理芯片使用目标神经网络对所述逻辑运算数据进行所述神经网络计算任务，生成对应的无人机状态挖掘数据，所述
K
个云计算节点中的各个云计算节点是同步进行所述神经网络计算任务的云计算节点，所述逻辑运算任务与所述神经网络计算任务为不同阶段的任务
。5.
根据权利要求3或4所述的基于人工智能的无人机状态数据处理方法，其特征在于，所述方法还包括：使用无人机状态训练数据序列对初始化的神经网络进行
M
批次的知识学习，生成所述目标神经网络，第
a
批次的知识学习中调度的加载有第
a
‑1批次的知识学习生成的神经网络的云计算节点的量级与所述第
a
批次的知识学习中调度的无人机状态训练数据的量级对应，
M
不小于2，
a
不小于
2、
且不大于
M
，所述第
a
批次的知识学习中调度的云计算节点被用于调度所述第
a
‑1批次的知识学习生成的神经网络对所述第
a
批次的知识学习中调度的无人
机状态训练数据进行所述神经网络计算任务
。6.
根据权利要求5所述的基于人工智能的无人机状态数据处理方法，其特征在于，使用无人机状态训练数据序列对初始化的神经网络进行
M
批次的知识学习，生成所述目标神经网络，包括：依据下述操作进行所述第
a
批次的知识学习：在所述第
a
批次的知识学习中调度的无人机状态训练数据的量级符合设定的第二云计算资源增设要求
、
且所述第
a
‑1批次的知识学习中调度的云计算节点为
Xa
‑1个云计算节点时，扩展用于所述第
a
批次的知识学习的
Ya
个云计算节点，
Xa
‑1为正整数，
Ya
为正整数，所述
Xa
‑1个云计算节点和所述
Ya
个云计算节点中的各个云计算节点加载有所述第
a
‑1批次的知识学习生成的神经网络，所述
Xa
‑1个云计算节点和所述
Ya
个云计算节点被用于在所述第
a
批次的知识学习中调度所述第
【专利技术属性】
技术研发人员：刘学亮，徐杰，任继远，
申请(专利权)人：天之翼苏州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。