[发明专利]数据映射识别方法、装置、设备及可读存储介质

说明书

本发明公开了一种数据映射识别方法、装置、设备及介质，所述数据映射识别方法通过将原始数据进行映射编排，对原始数据进行预处理，便于后续的压缩处理；通过将第一映射位图进行编码压缩，在不影响采集数据的所带来的各项分析需求的前提下，数据一次压缩之后占用空间缩小为20％以下，降低了对传输带宽、云端存储空间的要求；通过在第一压缩图像的数据量超出预设阈值时基于预设图像识别模型再次进行压缩并上传，进一步减小了原始数据的数据量，有效降低了边缘侧计算能力的需求，较之传统的数据上传方式传输资源消耗大大减少。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种数据映射识别方法、装置、设备及可读存储介质。

背景技术

随着物联网行业的快速发展，边缘侧数据采集节点的数目也随之不断增长，海量的边缘侧数据不断涌现，因此也对边缘侧设备的数据计算、数据存储与数据传输提出了更高的性能需求。这些性能需求要求边缘侧设备提供更高的算力，也就意味着满足这些需求需要重新部署或硬件升级传统的边缘侧设备。若将边缘侧设备采集到的原始数据按照传统模式全部上传至平台，如采用运营商网络4G传输，数据传输的成本高且效率低，典型的就是音响数据的采集和处理，也即是导致了通过传统方式上传边缘侧设备所采集数据的传输资源消耗过大的技术问题。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种数据映射识别方法，旨在解决通过传统方式上传边缘侧设备所采集数据的传输资源消耗过大的技术问题。

为实现上述目的，本发明提供一种数据映射识别方法，所述数据映射识别方法应用于数据映射识别设备，所述数据映射识别方法包括以下步骤：

将边缘侧设备采集的原始数据进行映射编排，生成第一映射位图；

将所述第一映射位图编码压缩为第一压缩图像，并判断所述第一压缩图像的数据量是否超出预设阈值；

若超出预设阈值，则基于预设已训练的图像识别模型对所述第一压缩图像进行识别；

基于识别后的第一压缩图像生成第二压缩图像，并将所述第二压缩图像上传至目标平台设备；

若不超出预设阈值，则将所述第一压缩图像上传至所述目标平台设备。

可选地，所述若超出预设阈值，则基于预设已训练的图像识别模型对所述第一压缩图像进行识别的步骤之前，还包括：

基于预设历史数据生成图像编号映射表；

使用预设人工智能算法对所述图像编号映射表进行有监督学习方式的训练，将训练所得出的参数模型作为所述已训练的图像识别模型。

可选地，所述已训练的图像识别模型为神经网络参数模型，所述基于预设已训练的图像识别模型对所述第一压缩图像进行识别的步骤包括：

利用所述神经网络参数模型识别出所述第一压缩图像所对应的图像信息编号；

根据所述图像信息编号进行信息确认，并对所述第一压缩图像执行与图像信息相应的信息处理操作。

可选地，所述基于识别后的第一压缩图像生成第二压缩图像，并将所述第二压缩图像上传至目标平台设备的步骤包括：

将所述图像信息编号进行分组；

按照所述图像信息编号的分组顺序，将所述处理后的第一压缩图像进行映射编排，生成第二映射位图；

使用JPEG图像压缩编码算法对所述第二映射位图进行编码压缩，生成所述第二压缩图像，并将所述第二压缩图像上传至目标平台设备。

可选地，所述将边缘侧设备采集的原始数据进行映射编排，生成第一映射位图的步骤包括：